我要评论xai今日发布新一代大语言模型grok-3及其精简版grok-3 mini。
最新基准测试显示，grok-3在与deepseek的直接对比中展现出显著优势。
在数学能力测试（aime'24）中，grok-3获得52分，明显超过deepseek-v3的39分。
科学知识评估（gpqa）方面，grok-3以75分的成绩领先，而deepseek-v3为65分。
在编程能力测试（lcb oct-feb）中，grok-3同样以57分超过deepseek-v3的36分。
最新公布的aime 2025性能测试中，grok-3 reasoning beta版本在推理和计算时间复合评分上取得93分的优异成绩，其精简版本grok-3 mini也达到了90分。
相比之下，deepseek-r1的得分为75分，而gemini-2 flash thinking仅为54分。
这一结果进一步凸显了grok-3在复杂数学推理和计算效率方面的突出优势。
特别值得注意的是，deepseek近期发布的deepseek-r1在其他推理能力测试中也未能赶超grok-3。
在数学推理中，grok-3获得93分，deepseek-r1为73分；科学推理中，grok-3得分85分，deepseek-r1为74分；编程推理中，grok-3达到79分，而deepseek-r1为65分。
在lmsys聊天机器人竞技场评估中，grok-3的得分约为1400分，不仅超过了deepseek系列，也领先于其他主流大模型，包括gpt-4、claude等。
这些数据表明，尽管deepseek在过去几个月展现出强劲的发展势头，但grok-3的整体性能仍然保持领先地位。
特别是在数学推理和计算效率方面的优势更为明显，这不仅体现了xai在模型研发上的技术实力，也显示出ai领域竞争的白热化程度。
以上就是一文了解马斯克发布grok3大模型 多项测试超越deepseek 展现强劲竞争力的详细内容，更多关于grok-3在与deepseek的直接对比中展现出显著优势的资料请关注代码网其它相关文章！
发表评论