„Grok 3“ az xAI legfejlettebb modellje, amelyet a Colossus szuperszámítógép-klaszteren képeztek ki, tízszer nagyobb számítási teljesítménnyel, mint a korábbi csúcstechnológiás modellek. Egy 1 millió tokenes kontextusablakkal és fejlett érvelési képességekkel rendelkezik, amelyeket nagyszabású megerősítéses tanulás javított, lehetővé téve a mély gondolkodási folyamatokat, amelyek másodpercekig vagy percekig is eltarthatnak összetett problémák megoldásához. A modell kiemelkedő teljesítményt nyújt akadémiai teszteken és valós felhasználói értékeléseken, 1402-es Elo pontszámot érve el a Chatbot Arénában. A Grok 3 Mini verzióval együtt jelent meg, amely egy költséghatékony változat, optimalizálva az egyszerűsített érveléshez.
A DeepSeek-R1 egy 671B paraméteres Mixture-of-Experts (MoE) modell, amely tokenenként 37B aktivált paraméterrel rendelkezik, és nagymértékű megerősítéses tanuláson keresztül készült, kiemelt figyelmet fordítva a gondolkodási képességekre. Két RL (reinforcement learning) szakaszt tartalmaz a javított gondolkodási minták felfedezésére és az emberi preferenciákhoz igazításra, valamint két SFT (supervised fine-tuning) szakaszt a gondolkodási és nem-gondolkodási képességek bevetésére. A modell teljesítménye hasonló az OpenAI-o1 modelléhez matematikai, kódolási és gondolkodási feladatokban.
| Grok 3 Beta | DeepSeek-R1 | |
|---|---|---|
Weboldal
| ||
Szolgáltató
| ||
Csevegés
| ||
Kiadási Dátum
| ||
Modalitások
| szöveg képek videó | szöveg |
API Szolgáltatók
| xAI | DeepSeek, HuggingFace |
Tudás Befejezési Dátuma
| 2025-01 | Ismeretlen |
Nyílt Forráskódú
| Nem | Igen |
Bemeneti Árazás
| Nem elérhető | $0.55 millió tokenenként |
Kimeneti Árazás
| Nem elérhető | $2.19 millió tokenenként |
MMLU
| Nem elérhető | 90.8% Pass@1 Forrás |
MMLU-Pro
| 79.9% Base model Forrás | 84% EM Forrás |
MMMU
| 78% With Think mode Forrás | - |
HellaSwag
| Nem elérhető | - |
HumanEval
| Nem elérhető | - |
MATH
| Nem elérhető | - |
GPQA
| 84.6% With Think mode, Diamond Forrás | 71.5% Pass@1 Forrás |
IFEval
| Nem elérhető | 83.3% Prompt Strict Forrás |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Mobilalkalmazás |
Compare AI. Test. Benchmarks. Mobil Chatbot Alkalmazások, Sketch
Copyright © 2025 All Right Reserved.