本页面提供了Grok-3 - Reasoning Beta,Grok-3 mini - Reasoning,Grok 3 mini,Grok 3,OpenAI o3-mini (high),OpenAI o1,DeepSeek-R1,DeepSeek-V3,Claude 3.5 Sonnet New,GPT-4o模型在AIME 2024,GPQA Diamond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！