Grok-3 - Reasoning Beta 评测详情

Grok-3 - Reasoning Beta 当前已收录的代表性评测结果包括 AIME 2024（6 / 62，得分 93.30）、LiveCodeBench（57 / 251，得分 79.40）、GPQA Diamond（166 / 463，得分 84.60）。