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！
更多的模型对比结果可以通过DataLearnerAI自定义大模型对比工具获得：https://www.datalearner.com/ai-models/ai-benchmarks-tests/benchmarks-for-all
如果表格中缺少某些模型或者评测基准，意味着当前数据缺失！