Andrej Karpathy đánh giá Grok-3 của xAI có khả năng ngang bằng với o1 Pro của OpenAI
-
xAI của Elon Musk vừa ra mắt dòng mô hình mới nhất Grok-3, là mô hình đầu tiên đạt điểm trên 1.400 tại nền tảng đánh giá Chatbot Arena
-
Andrej Karpathy, người sáng lập Eureka Labs và cựu nghiên cứu viên của OpenAI và Tesla, được cấp quyền truy cập sớm để thử nghiệm Grok-3
-
Trong bài kiểm tra tạo lưới lục giác cho trò chơi Settlers of Catan:
-
Grok-3 thực hiện thành công
-
OpenAI o1 Pro (giá 200 USD/tháng) cũng làm được
-
DeepSeek-R1, Gemini 2.0 Flash Thinking và Claude đều thất bại
-
-
Về khả năng phân tích số flops cần thiết từ tài liệu kỹ thuật GPT-2:
-
Grok-3 thông thường và GPT-4o thất bại
-
Grok-3 với chế độ lập luận thực hiện xuất sắc
-
OpenAI o1 Pro không hoàn thành được nhiệm vụ
-
-
Đánh giá về tính năng DeepSearch:
-
Tương đương với nghiên cứu sâu của Perplexity
-
Chưa đạt đến trình độ của OpenAI
-
Còn hiện tượng ảo giác về URL không tồn tại
-
Cung cấp thông tin không chính xác và thiếu trích dẫn
-
-
Sau 2 giờ thử nghiệm, Karpathy kết luận Grok-3 với chế độ lập luận:
-
Ngang tầm với các mô hình mạnh nhất của OpenAI
-
Vượt trội hơn DeepSeek-R1 và Gemini 2.0 Flash Thinking
-
📌 Grok-3 đã thiết lập kỷ lục mới trên 1.400 điểm tại Chatbot Arena. Mô hình thể hiện khả năng lập luận ngang bằng với o1 Pro của OpenAI (200 USD/tháng) và vượt trội hơn các đối thủ như DeepSeek-R1, tuy nhiên vẫn cần cải thiện tính năng DeepSearch và độ chính xác trong trích dẫn thông tin.
https://analyticsindiamag.com/ai-news-updates/grok-3-beats-deepseek-r1-at-reasoning-is-as-capable-as-openais-o1-pro-karpathy/
Thảo luận
Follow Us
Tin phổ biến
