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大模型评测基准与性能对比
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！
详细评测数据对比
| 评测基准 (Benchmark) | 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 |
|---|---|---|---|---|---|---|---|---|---|---|
| -- | -- | -- | -- | -- | -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | -- | -- | -- | -- | -- |
性能可视化对比 (条形图)
新功能：点击图表右上角的 图标开启选择模式，可拖动鼠标框选您感兴趣的评测组。按住Shift键可进行多项不连续选择。
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。