„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.
Weboldal AI Modell Weboldal | |
Szolgáltató A modellt biztosító entitás. | |
Csevegés Írjon be egy üzenetet a csevegés megkezdéséhez | |
Kiadási Dátum Mikor jelent meg a modell először. | 1 év ago Jan 19, 2025 |
Modalitások A modell által feldolgozható adattípusok | szöveg képek videó |
API Szolgáltatók A modellt kínáló szolgáltatók. (Ez nem egy teljes lista.) | xAI |
Tudás Befejezési Dátuma Utoljára mikor frissült a modell tudása. | 2025-01 |
Nyílt Forráskódú A modell kódja nyilvánosan használható-e. | Nem |
Bemeneti Árazás A promptokban feldolgozott tokenek költsége | Nem elérhető |
Kimeneti Árazás A modell által generált tokenek költsége | Nem elérhető |
MMLU Massive Multitask Language Understanding – 57 tantárgyban teszteli a tudást, beleértve a matematikát, történelmet, jogot és egyebeket | Nem elérhető |
MMLU-Pro Egy robusztusabb MMLU benchmark nehezebb, gondolkodásra összpontosító kérdésekkel, nagyobb választási lehetőségekkel és csökkentett prompt érzékenységgel | 79.9% Base model Forrás |
MMMU Massive Multitask Multimodal Understanding – Teszteli a megértést szöveg, kép, hang és videó terén | 78% With Think mode Forrás |
HellaSwag Egy kihívást jelentő mondatkiegészítési benchmark | Nem elérhető |
HumanEval Értékeli a kódgenerálás és problémamegoldó képességeket | Nem elérhető |
MATH Különböző nehézségi szinteken teszteli a matematikai problémamegoldó képességeket | Nem elérhető |
GPQA Doktori szintű tudást tesztel kémiában, biológiában és fizikában, több választós kérdéseken keresztül, amelyek mély szakmai tudást igényelnek | 84.6% With Think mode, Diamond Forrás |
IFEval Teszteli a modell képességét, hogy pontosan kövesse az explicit formázási utasításokat, megfelelő kimeneteket generáljon, és következetesen betartsa az utasításokat különböző feladatok során | Nem elérhető |
SimpleQA Egyszerű kérdések pontosságának értékelése | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Többnyelvű programozási benchmark. | - |
LiveCodeBench v5 Valós idejű programozási benchmark | - |
Global MMLU (Lite) A benchmark egyszerűsített verziója a modellek globális szintű univerzalitásának értékelésére. | - |
MathVista Értékeli az AI modellek matematikai következtetési képességeit vizuális környezetben | - |
Mobilalkalmazás |
Compare AI. Test. Benchmarks. Mobil Chatbot Alkalmazások, Sketch
Copyright © 2026 All Right Reserved.
Hozzászólások (1)
Pierre
09 Április 2026Ziet er goed uit