模型评测对比
最新基准汇总
Grok 3.5与DeepSeek-R1、Grok 3、Gemini 2.5 Pro Experimental 03-25等模型对比
本页面提供Grok 3.5,DeepSeek-R1,Grok 3,Gemini 2.5 Pro Experimental 03-25,OpenAI o3模型的对比，包括参数、开源情况、API价格等。同时，页面也会展示Grok 3.5,DeepSeek-R1,Grok 3,Gemini 2.5 Pro Experimental 03-25,OpenAI o3模型在GPQA Diamond,SimpleQA,AIME 2024,AIME2025等评测基准中的详细对比数据，评测数据来自系统收录结果汇总。
📊 左右滑动可查看更多模型数据 →
Grok 3.5
xAI 发布的推理大模型模型。
核心信息
开发机构
xAI
xAI
发布时间
2025-05-06
模型类型
推理大模型
MoE 架构
性能与规格
总参数量
未公开
激活参数量
未公开
模型大小
推理能力
推理速度
思考模式
深度思考
最大上下文
128K
最大输出
65536
支持模态
Input
Output
API 价格 (每百万Tokens)
输入价格
输出价格
开源与许可
代码开源
--
权重开源
--
商业用途
不开源
相关资源
论文/报告
模型详细介绍
--
相关链接
DeepSeek-R1
DeepSeek-AI 发布的推理大模型模型。
核心信息
开发机构
DeepSeek-AI
DeepSeek-AI
发布时间
2025-01-20
模型类型
推理大模型
MoE 架构
性能与规格
总参数量
6,710 亿
激活参数量
未公开
模型大小
134GB
推理能力
暂无数据
推理速度
暂无数据
思考模式
深度思考
最大上下文
128K
最大输出
0
支持模态
Input
Output
API 价格 (每百万Tokens)
输入价格
--
输出价格
--
开源与许可
代码开源
否
权重开源
否
商业用途
免费商用授权
相关资源
论文/报告
查看
模型详细介绍
阅读
相关链接
Grok 3
xAI 发布的聊天大模型模型。
Gemini 2.5 Pro Experimental 03-25
Google Deep Mind 发布的推理大模型模型。
核心信息
开发机构
Google Deep Mind
Google Deep Mind
发布时间
2025-03-25
模型类型
推理大模型
MoE 架构
性能与规格
总参数量
未公开
激活参数量
未公开
模型大小
推理能力
推理速度
思考模式
深度思考
最大上下文
2000K
最大输出
65536
支持模态
Input
Output
API 价格 (每百万Tokens)
输入价格
输出价格
开源与许可
代码开源
--
权重开源
--
商业用途
不开源
相关资源
论文/报告
查看
模型详细介绍
--
相关链接
OpenAI o3
OpenAI 发布的推理大模型模型。
OpenAI
评测对比模式筛选
当前大多数模型的评测都有不同的模式，包括是否使用推理过程，是否使用工具等，建议选择特定模式对比。
点击下方任一按钮，将 过滤模型的模式的对比表格，并同步更新
汇总图 与 各基准小图。
Grok 3.5与DeepSeek-R1、Grok 3、Gemini 2.5 Pro Experimental 03-25等模型各评测基准得分对比表
| 评测基准 | Grok 3.5 normal | DeepSeek-R1 normal | Grok 3 normal | Gemini 2.5 Pro Experimental 03-25 normal | OpenAI o3 thinking | OpenAI o3 normal |
|---|---|---|---|---|---|---|
|
GPQA Diamond
常识推理
|
0 | 71.5 | 80.4 | 84 | 83.3 | 0 |
|
SimpleQA
真实性评估
|
0 | 30.1 | 43.4 | 52.9 | 0 | 49.4 |
|
AIME 2024
数学推理
|
0 | 79.8 | 84.2 | 92 | 0 | 91.6 |
|
AIME2025
数学推理
|
0 | 70 | 77.1 | 86.9 | 88.9 | 0 |