マスクがGrok3を発表：いくつかのテストがDeepSeekを上回り、競争力を示す

出典：AI Fanny

xAIは本日、次世代の大規模言語モデルであるGrok-3と、そのライト版であるGrok-3 miniを発表しました。 最新のベンチマークによると、Grok-3はDeepSeekとの直接比較で大きな優位性を示しています。

数学適性検査（AIME'24）では、Grok-3は52点を獲得し、DeepSeek-V3の39点を大きく上回った。科学的知識の評価（GPQA）では、DeepSeek-V3の65点に対し、Grok-3は75点でトップ。プログラミング能力テスト（LCB Oct-Feb）でも、Grok-3は57点で、同様にDeepSeek-V3の36点を上回った。

新たに発表されたAIME 2025パフォーマンステストでは、Grok-3 Reasoning Betaバージョンは推論と計算時間の総合スコアで93という傑出したスコアを記録しました。ライト版のGrok-3 miniも90点を獲得した。これに対し、DeepSeek-R1は75点、Gemini-2 Flash Thinkingは54点にとどまった。この結果は、複雑な数学的推論と計算効率におけるGrok-3の卓越した強みをさらに際立たせています。

特筆すべきは、DeepSeekが最近リリースしたDeepSeek-R1は、推論能力の他のテストでGrok-3に追いつけなかったことです。-科学的推論では、DeepSeek-R1の74点に対し、Grok-3は85点、プログラミング推論では、DeepSeek-R1の65点に対し、Grok-3は79点でした。

さらに、LMSYS Chatbot Arenaの評価では、Grok-3は約1400点を獲得し、DeepSeekファミリーを上回っただけでなく、他の主流のビッグモデルも上回りました。GPT-4、Claudeなどを含む。

これらのデータは、DeepSeekがここ数カ月で見せた強い勢いにもかかわらず、Grok-3の全体的なパフォーマンスが依然として先行していることを示しています。特に、数学的推論と計算効率における優位性はより明白であり、これはモデル開発におけるxAIの技術力を反映しているだけでなく、AI分野における白熱した競争の度合いを示しています。