„Grok 3“ yra pažangiausias xAI modelis, apmokytas Colossus superklasteryje, kurio skaičiavimo galia yra dešimt kartų didesnė nei ankstesnių pažangiausių modelių. Jis turi 1 milijono žetonų kontekstinį langą ir pažangius samprotavimo gebėjimus, patobulintus per didelio masto stiprinamąjį mokymąsi, leidžiantį atlikti gilias mąstymo operacijas nuo kelių sekundžių iki kelių minučių, sprendžiant sudėtingas problemas. Modelis demonstruoja aukščiausio lygio našumą akademiniuose testuose ir realių vartotojų vertinimuose, pasiekdamas 1402 Elo balą Chatbot Arenoje. Kartu buvo išleista ir „Grok 3 Mini“ – ekonomiška versija, optimizuota supaprastintam samprotavimui.
Claude 3.7 Sonnet yra „Anthropic“ kol kas pažangiausias modelis ir pirmoji hibridinė samprotavimo AI rinkoje. Jis siūlo standartinį ir išplėstinį mąstymo režimus, pastarasis teikia skaidrų, žingsnis po žingsnio samprotavimą. Modelis išsiskiria kodinimu ir front-end web programuote, pasiekdamas modernius rezultatus SWE-bench Verified ir TAU-bench testuose. Prieinamas per „Claude.ai“, „Anthropic API“, „Amazon Bedrock“ ir „Google Cloud Vertex AI“, jis nustato naują standartą intelektualiai AI valdomai problemų sprendimui.
| Grok 3 Beta | Claude 3.7 Sonnet | |
|---|---|---|
Internetinė svetainė
| ||
Tiekėjas
| ||
Pokalbiai
| ||
Išleidimo data
| ||
Modalumai
| tekstas vaizdai vaizdo | tekstas vaizdai |
API tiekėjai
| xAI | Claude.ai, Anthropic API, Amazon Bedrock, Google Cloud Vertex AI |
Žinių nutraukimo data
| 2025-01 | - |
Atvirojo kodo
| Ne | Ne |
Įvesties kaina
| Nėra prieinama | $3.00 už milijoną žodžių |
Išvesties kaina
| Nėra prieinama | $15.00 už milijoną žodžių |
MMLU
| Nėra prieinama | Nėra prieinama |
MMLU-Pro
| 79.9% Base model Šaltinis | Nėra prieinama |
MMMU
| 78% With Think mode Šaltinis | 71.8% Šaltinis |
HellaSwag
| Nėra prieinama | Nėra prieinama |
HumanEval
| Nėra prieinama | Nėra prieinama |
MATH
| Nėra prieinama | 82.2% Šaltinis |
GPQA
| 84.6% With Think mode, Diamond Šaltinis | 68% Diamond Šaltinis |
IFEval
| Nėra prieinama | 90.8% Šaltinis |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Mobilioji programa | ||
VideoGameBench | ||
Bendras balas | - | 0% |
Doom II | - | 0% |
Dream DX | - | 0% |
Awakening DX | - | 0% |
Civilization I | - | 0% |
Pokemon Crystal | - | 0% |
The Need for Speed | - | 0% |
The Incredible Machine | - | 0% |
Secret Game 1 | - | 0% |
Secret Game 2 | - | 0% |
Secret Game 3 | - | 0% |
Compare AI. Test. Benchmarks. Mobiliosios pokalbių robotų programos, Sketch
Copyright © 2025 All Right Reserved.