Grok-3 - Reasoning Beta 评测详情

Grok-3 - Reasoning Beta 当前已收录的代表性评测结果包括 AIME 2024（6 / 61，得分 93.30）、LiveCodeBench（36 / 125，得分 79.40）、GPQA Diamond（94 / 253，得分 84.60）。