Grok 3.5大模型评测基准与性能对比
本页面提供了Grok 3.5,OpenAI o3,Gemini 2.5 Pro Experimental 03-25,Grok 3,DeepSeek-R1模型在GPQA Diamond,SimpleQA,AIME 2024,AIME2025等评测基准中的详细对比数据，评测数据来源当前系统收录结果生成。数据如有问题可以通过微信公众号联系更正，感谢！
详细评测数据对比
| 评测基准 (Benchmark) | Grok 3.5 | OpenAI o3 | Gemini 2.5 Pro Experimental 03-25 | Grok 3 | DeepSeek-R1 |
|---|---|---|---|---|---|
| -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- |
性能概览 (热力图)
颜色越深，代表得分越高。可快速发现模型在不同评测项上的整体表现模式。