%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Grok 3
xAIが2025年2月17日に発表したGrok 3は、高度な人工知能モデルです。Grok 2と比較すると、その機能は著しく強化され、性能は一桁向上しています。Grok 3のトレーニングは、法律文書などを含む膨大なデータセットに基づいて行われ、メンフィスデータセンターの約20万台のGPUを利用した巨大な計算インフラを活用しており、使用する計算量は前身の10倍です。Grok 3には、Grok 3 ReasoningやGrok 3 Mini Reasoningなどの専用モデルがあり、複雑な問題を解決するために使用され、数学のAIMEや博士レベルの科学のGPQAなどのベンチマークテストでも優れた成績を収めています。
インテリジェンス(中程度)
速度(比較的遅い)
入力サポートモダリティ
はい
推論モデルかどうか
1,000,000
コンテキストウィンドウ
8,000
最大出力トークン
2024-11-17
知識カットオフ
価格設定
￥21.6 /M tokens
入力
￥108 /M tokens
出力
￥43.2 /M tokens
混合価格
クイック簡易比較
Grok 3 mini Reasoning
￥0.3
Grok 3 mini Reasoning (Low)
￥0.3
Grok 3
￥3
基本パラメータ
Grok 3技術パラメータ
パラメータ数
未発表
コンテキスト長
1.0M tokens
トレーニングデータカットオフ
2024-11-17
オープンソースカテゴリ
Proprietary
マルチモーダルサポート
テキスト、画像
スループット
100
リリース日
2025-02-19
応答速度
65.27,429 tokens/s
ベンチマークスコア
以下はGrok 3の様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
50.63
大規模言語モデルインテリジェンスレベル
コーディング指数
39.67
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
60
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
79.9
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
69.3
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
5.1
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
42.5
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
36.8
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
90.9
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
87
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
33
高難度の数学競技問題（特にAIMEレベル）を解決するAIモデルの能力を測定する指標
GPT 5 Mini
openai
￥1.8
入力トークン/百万
￥14.4
出力トークン/百万
400k
コンテキスト長
GPT 5 Standard
openai
￥63
入力トークン/百万
￥504
出力トークン/百万
400k
コンテキスト長
GPT 5 Nano
openai
￥0.36
入力トークン/百万
￥2.88
出力トークン/百万
400k
コンテキスト長
GPT 5
openai
￥9
入力トークン/百万
￥72
出力トークン/百万
400k
コンテキスト長
GLM 4.5
chatglm
￥0.43
入力トークン/百万
￥1.01
出力トークン/百万
131k
コンテキスト長
Gemini 1.0 Pro
google
￥3.6
入力トークン/百万
￥10.8
出力トークン/百万
33k
コンテキスト長
Gemini 2.0 Flash Lite (Preview)
google
￥0.58
入力トークン/百万
￥2.16
出力トークン/百万
1M
コンテキスト長
GPT 4
openai
￥216
入力トークン/百万
￥432
出力トークン/百万
8192
コンテキスト長