Grok 3とChatGPT o1の性能比較
2月20日、xAIが最新AIモデルのGrok 3を公開しました。xAI創設者のイーロン・マスクは、Grok 3をこれまでで最も賢いAIモデルだと主張しており、ChatGPTのo1モデルのような推論モードも備えています。Grok 3は本当にo1よりも優れているのでしょうか。その性能をテストしてみました。
１．Grok 3の概要
Grok 3は、xAIによって開発された最新の人工知能モデルで、2025年2月にリリースされました。このモデルは、これまでのGrokシリーズ（Grok 1やGrok 2）を大きく超える性能を持ち、特に数学、科学、コーディング、一般知識、そして指示に従う能力で優れているとされています。xAIの創設者であるイーロン・マスクは、Grok 3を「これまでリリースされたどのAIよりも賢い」と評しており、競合他社のモデル（例えばOpenAIのGPT-4oやDeepSeekのモデル）と比較してもベンチマークテストで高い成績を収めていると主張しています。
Grokアイコンをクリックすると、入力画面が現れます。
主な特徴
高度な推論能力
Grok 3には「Think」と呼ばれる推論モードがあり、複雑な問題をステップごとに分解して考え、自己検証しながら正確な回答を導き出します。例えば、数学の問題や科学的な質問に対して、単に答えを出すだけでなく、その過程をユーザーに示すことができます。DeepSearch
「DeepSearch」という新機能も導入されており、これは次世代の検索エンジンとして機能します。ウェブやX上の情報を深く調査し、相反する意見や事実を整理して、わかりやすい回答を提供します。たとえば、SpaceXの次回打ち上げについての質問に対し、関連する投稿や記事を参照しながら詳細なレポートを作成するデモが披露されています。大規模な計算能力
Grok 3は、xAIの「Colossus」というスーパーコンピューターで訓練されました。このシステムは20万個のGPUを使用しており、Grok 2の10倍の計算能力で構築されたと言われています。これにより、大量のデータを処理し、100万トークンという巨大なコンテキストウィンドウを持つことが可能になりました。（※現在の設定では128Kトークンに制限）多機能性
テキスト生成だけでなく、画像解析や音声モードも追加される予定です。また、Grok 3 Miniという軽量版もあり、速度を優先しつつも高い性能を維持しています。
利用方法と現状
アクセス
現在、Grok 3はXのPremium+（月額50ドル（※日本では月額6,080円））や、xAIの新サブスクリプション「SuperGrok」（月額30ドル又は年額300ドル）を通じて利用可能です。一部の地域では無料で試用できる期間が設けられ、サーバーの負荷次第で制限がかかる場合があります。（※現在、日本では無料で利用可能。但し、回数制限あり）進化中
リリース時点ではベータ版として提供されており、xAIはユーザーからのフィードバックをもとに日々改善を進めているとしています。たとえば、事実確認の精度がまだ50%未満の場合もあるため、さらなる学習が期待されています。
他のモデルとの比較
Grok 3は、数学（AIME）や科学（GPQA）、コーディング（LiveCodeBench）などの標準ベンチマークで、GPT-4oやGemini 2 Proを上回る結果を示しています。特に推論モデルであるGrok 3 (Think)は、OpenAIのo3-miniやDeepSeek R1に匹敵するか、それを超える性能を持つと評価されています。ただし、創造性やユーモアの面ではまだ改善の余地があるとの声もあります。
今後の展望
xAIはGrok 3をさらに進化させ、数週間以内に音声機能やAPIの提供を開始する予定（※英語版の音声機能はPremium+ユーザー向けに提供済み）です。また、Grok 3が安定すれば前バージョンのGrok 2がオープンソースとして公開される可能性もあります。
要するに、Grok 3はxAIの野心的なプロジェクトであり、AI業界での競争を一層激化させる存在です。興味があれば、XやGrok.comで試してみるのもいいかもしれません！
※ この章の文章はGrok 3が作成しました。（※）部分は筆者の追記です。
２．Grok 3のベンチマーク評価
xAIの公式ブログによれば、Grok 3は、数学、科学、プログラミングなどのベンチマークで、ChatGPTのo1やo3-miniを超える評価を記録しています。
(1) 競技数学 (AIME)
Grok 3 BetaのThinkモードは、米国数学オリンピック予選（AIME）の問題で93.3%と、ChatGPTのo1モデルやo3-miniモデルを超える評価を記録しました。
但し、これは64回回答した中で最も頻度の高い回答を採用する多数決方式(cons@64) の結果です。2025年のAIMEの場合、1回限りの回答では77.3%で、o1(medium)やo3 mini(high)に負けています。
採用する多数決方式(cons@64) の結果の評価を示す。
(2) 大学院レベルの科学問題（GPQA）
大学院レベルの科学分野の問題のベンチマーク（GPQA）でも、84.6%（1回限りの回答だと80.2%）と、o1やo3-miniモデルを超える評価を記録しました。
(3) プログラミング (LiveCodeBench)
コードの生成、修正、テストなどの幅広いプログラミング能力を評価するベンチマーク（LiveCodeBench）で79.4%（1回限りの回答だと70.6%）と、o1やo3-miniモデルを超える評価を記録しました。LiveCodeBenchは、AtCoder、Codeforcesなどの競技プログラミングの新しい問題を集めて、データ汚染を防いでいます。
(4) 大学レベルのマルチモーダル問題 (MMMU)
大学レベルの専門知識と高度な推論能力を必要とするマルチモーダルモデルの性能を評価するベンチマーク（MMMU）で78%（1回限りの回答だと76%）と、o1モデルに匹敵する評価を記録しました。
(5) Thinkモード以外のGrok 3の性能
Grok 3は、Thinkモードをオフにしても、科学知識(GPQA)、一般知識(MMLU-Pro)、数学競争問題(AIME)など、多くのベンチマークでGPT-4oなどを超える評価を記録しています。また、ロングコンテクストRAG利用の性能を評価するベンチマーク（LOFT）でも83.3%と、他のモデルを超える評価を達成し、優れた情報検索能力を示しました。
(6) Chatbot Arenaでの評価
Chatbot Arenaは、LLMを人間の好みに基づいて評価するオープンプラットフォームです。ユーザーが匿名のモデル同士を比較し、より良い応答をしたモデルに投票することでランキングが形成されます。
Grok 3は、Chatbot Arenaの総合評価ランキングでトップとなり、全てのカテゴリーのELOスコアで競合他社のモデルを上回りました。
○ 日本語での評価
なお、全体評価ではGrok 3が1位ですが、日本語での評価では3位となって、Gemini 2.0 Proや最新のChatGPT（GPT-4o）に抜かれています。
３．基本情報
(1) Grok 3の自己紹介
Grok 3にGrok 3自身のことを聞いてみます。
筆者のコメント：モデル名はGrok 3であるとしっかり回答しました。知識のカットオフは存在せず、最新の話題にも対応できるようです。また、他のAIモデルと比べて、口調がフレンドリーです。
(2) Web検索機能
Grok 3は、特に検索を指示しなくても、必要な時に自動でWeb検索が行われ、最新の情報を利用することができます。
(3) その他
Grok 3は、画像ファイルをアップロードして画像認識したり、PDFやテキストファイルをアップロードして内容を要約したり、質問したりすることができます。さらに、docx、xls、pptx等のOfficeファイルや、MP3等のオーディオファイル、MP4等のビデオファイルも扱えるそうです。
ここからは、Grok 3の回答とChatGPTのo1モデルなどの回答を比較します。
推論モデルのo1に合わせて、Grok 3も段階的に推論できるThinkモードを基本的に使用します。
４．数学分野
(1) 大きな数の計算
LLMは大きな数の計算が苦手なのでテストします。
12345678 × 90123456 =
○ Grok 3 Thinkモードの回答
数式だけの質問なので、回答が英語になっています。
（一部省略）
筆者のコメント：6分30秒考えて正解しました。途中で計算ミスをしましたが、検算でミスを発見して計算し直し、最終的に正解にたどり着いたようです。Grok 3はミスをしても、そこからのリカバリー能力が結構高いようです。なお、同じ計算について、o1は38秒で、o3-miniは10秒で正解しています。
思考の内容は、思考中に一部が見えるようになっており、展開して、全体を見ることもできます。回答が日本語の場合でも、思考の内容は英語になることが多いようです。
(2) 積分の計算
∫0→π/4(√tan x)dx=
○ Grok 3 Thinkモードの回答
（一部省略）
筆者のコメント：3分44秒考えて正解しました。なお、o1は1分16秒で正解し、o3-miniは正解できませんでした。
(3) 日本数学オリンピックの問題
○ 2025年日本数学オリンピック予選問題 第1問
以下の問題は、2025年1月に行われた日本数学オリンピック予選問題の第1問です。この問題は、図を参照する必要があるため、画像ファイルをアップロードした上で、問題文をテキストで入力します。
図のように正六角形のマスが7個並んでおり,それぞれのマスに1以上7以下の整数を重複のないように1つずつ書き込む. 辺を共有して隣りあうどの2マスについても書き込まれた整数の和が10以下となるように書き込む方法は何通りあるか.
ただし, 回転や裏返しにより一致する書き込み方も異なるものとして数える.
① Grok 3 Thinkモードの回答
筆者のコメント：正解です。なお、思考時間は記録できませんでした。
② ChatGPT o1モデルの回答
筆者のコメント：2分考えて正解しました。解説も分かりやすくスマートな回答です。
○ 2025年日本数学オリンピック予選問題 第2問
abcd = 2025 をみたす正の整数の組(a,b,c,d)であって, ab, bc, cd, daがいずれも平方数であるようなものはいくつあるか.
① Grok 3 Thinkモードの回答
筆者のコメント：1分3秒考えて正解しました。
② ChatGPT o1モデルの回答
筆者のコメント：27秒考えて正解しました。解説はo1の方が詳しくて分かりやすいです。
○ 2025年日本数学オリンピック予選問題 第6問
正の整数からなる2つの数列 a_1, a_2, ... と b_1, b_2, ... があり、任意の正の整数 n について以下をみたしている。
(a_(n+1), b_(n+1)) = (a_n/2, b_n + a_n/2) または (a_(n+1), b_(n+1)) = (a_n + b_n/2, b_n/2) が成立する。
このとき、(a_1, b_1) としてありうる40以下の正の整数の組はいくつあるか。
① Grok 3 Thinkモードの回答
15分以上考えても、回答が出力されず、思考も止まっているようなのでストップしました。
筆者のコメント：この問題は、Grok 3には無理なようです。
② ChatGPT o1モデルの回答
筆者のコメント：4分28秒考えて正解しました。なお、o3-miniは、この問題を1分4秒で正解しました。
やはり、数学の性能は、Grok 3よりも、ChatGPTのo1やo3-miniの方が高いようです。
５．論理クイズ
真神、偽神、乱神という3人の神がいる。
真神は常に真実を語る。
偽神は常に嘘をつく。
乱神はランダムで真実を言ったり嘘をついたりする。
3人の神は、外見では見分けがつかない。
アリスはこれから、「はい」か「いいえ」で答えられる質問を3回だけ行って、3人の神の正体を完全に特定したい。
各質問はそれぞれ1人の神に対して行う。
質問ごとに相手を変えてもよい。
質問に対して3人の神は「ダー」「ヤー」という返答をする。
「ダー」「ヤー」は「はい」「いいえ」を意味する言葉だが、「ダー」「ヤー」のどちらが「はい」「いいえ」なのかは分からない。
アリスはどのように質問すればよいだろうか？
ただし、神は互いの正体を知っている。
① Grok 3 Thinkモードの回答
筆者のコメント：最初の質問の対象や質問の内容は正しいが、2回目以降の質問が間違っており、最終的に全員の判別ができません。なお、正解は何種類もあります。
以下に正解の一例を示します。
1回目：神Aに「もし、あなたに『神Bは乱神ですか？』と尋ねたなら、『ダー』と答えますか？」と質問する。
答えが「ダー」なら、神Bが乱神又は神Aが乱神となるため、神Cが乱神ではない神である。「ヤー」なら、Bが乱神ではない神又は神Aが乱神となるため、神Bが乱神ではない神である。
2回目：1回目の質問で判明した乱神ではない神に「もし、あなたに『あなたは真神ですか？』と尋ねたたら、『ダー』と答えますか？」と質問する。
答えが「ダー」ならその神は真神、「ヤー」なら偽神である。
3回目：2回目と同じ神に「もしあなたに『Aは乱神ですか？』と質問したら、『ダー』と答えますか？」と質問する。
答えが「ダー」ならAが乱神、「ヤー」なら最後の1人が乱神である。これで2人の神が判明したことから、残った1人も確定し、全ての神が判明する。
② ChatGPT o1モデルの回答
筆者のコメント：o1はこの論理クイズを知っていたようですが、質問の方針と考え方しか回答してくれませんでした。なお、途中で示された「質問例の1つ」では、全ての神を判別することはできません。
今回の論理クイズでは、どちらも正解に到達することができませんでした。
６．科学的な説明
(1) 量子脳理論の是非について
量子脳理論とその是非について解説して
① Grok 3 Thinkモードの回答
筆者のコメント：主要な論点が分かりやすく整理されています。
② ChatGPT o1モデルの回答
筆者のコメント：Grok 3よりも科学的に詳しい解説になっています。
(2) 月での時間の流れ
月での時間の流れが地球での時間の流れとどう違うのか、数式を含めて詳細に説明してください。
① Grok 3 Thinkモードの回答
筆者のコメント：月面上で時間が1秒間当たり6.65×10^(-10)秒速く進むことを具体的に計算し、運動による影響も算出して詳しく解説できています。
② ChatGPT o1モデルの回答
筆者のコメント：Grok 3よりも科学的な説明が詳しく、地球と月の重力の違いによる時間の流れる速度の差や月の公転速度による影響を具体的に計算しています。
科学的な説明は、Grok 3よりもo1の方が専門的で詳しいようです。
７．歴史に関する知識と説明
(1) 蔦屋重三郎について
今年のNHKの大河ドラマ「べらぼう〜蔦重栄華乃夢噺〜」の主人公について尋ねてみました。
江戸時代の版元の蔦屋重三郎について教えて
① Grok 3 Thinkモードの回答
筆者のコメント：蔦屋重三郎についてコンパクトにまとめています。なお、重三郎の本名は、蔦屋重三郎友高ではなく、喜多川柯理（からまる）です。また、葛飾北斎の作品を出版した記録はありません。
② ChatGPT o1モデルの回答
筆者のコメント：Grok 3よりも詳しく、内容もよく整理されています。但し、幼名が「七之助」だったという記録はなく、本名は「柯理（からまる）」です。また、彼が経営していた書店は「鶴澤屋」ではなく「耕書堂」です。
(2) 戦国時代の豆知識
日本の戦国時代の歴史の流れを解説して。普通の人が知らない、この時代の意外な豆知識を3つ教えて
① Grok 3 Thinkモードの回答
筆者のコメント：コンパクトにまとまっていますが、内容が浅く、豆知識も日本人にとっては意外なものではありません。また、戦国時代に女性武将が存在したのは事実ですが、武田信玄の娘の松姫が男装して戦場に出たという記録はありません。
② ChatGPT o1モデルの回答
筆者のコメント：こちらもコンパクトにまとまっていますが、Grok 3よりも内容が詳しく専門的です。豆知識も意外性があって面白い内容になっています。
(3) 戦争と民主主義の関係
戦争と民主主義の歴史上の関係について解説して
① Grok 3 Thinkモードの回答
筆者のコメント：分かりやすくまとまっていますが、内容はあまり深くありません。
② ChatGPT o1モデルの回答
筆者のコメント：具体的な歴史的事件などを挙げて、Grok 3よりも詳しく専門的な解説ができています。
歴史に関する説明も、Grok 3よりもo1の方が専門的で詳しいようです。
８．ブログ記事の執筆
(1) AIエージェントについての解説記事
最新の動向を踏まえ、AIエージェントについて解説するブログ記事を書いて
① Grok 3 Thinkモードの回答
筆者のコメント：最新の動向を踏まえるように指示したのに、昨年2月に公開されたGeminiのことを、開発中でまだ一般公開されていないと書くなど、情報が古いようです。その他の記述も内容が薄く感じられます。
② ChatGPT o1モデルの回答
筆者のコメント：Grok 3よりは長くて詳しい解説ができています。しかし、o1はWeb検索を使えないため、最新の動向は盛り込まれていません。
③ ChatGPT o3-miniモデルの回答（Web検索を利用）
筆者のコメント：Web検索によって、主要企業の最近の動向を記事に含めることができました。
(2) 医療関係のブログ記事
円錐角膜の最新の治療法について紹介するブログ記事を書いて
① Grok 3 Thinkモードの回答
筆者のコメント：Web検索も行ったようですが、リング挿入などの最新の治療法に関する記述が欠けています。
② ChatGPT o1モデルの回答
筆者のコメント：Grok 3よりも専門的な解説になっています。
ブログ記事の執筆においても、Grok 3よりもo1の方が専門的で詳しい解説ができます。
９．日本文学の理解
(1) 読書感想文
夏目漱石の「こころ」の読書感想文を書いて
① Grok 3 Thinkモードの回答
筆者のコメント：小説の内容をよく理解しているとともに、独自の解釈を含んでおり、読書感想文としてよく書けていると思います。一方で、「自分の存在が彼女の負担にならないようにと命を絶った可能性もある」という解釈には違和感を感じました。
② ChatGPT o1モデルの回答
筆者のコメント：小説の内容をよく理解しており、Grok 3よりも深い分析ができています。その上で、読書感想文らしいスタイルで書かれており、非常に優れた回答だと思います。
(2) 村上春樹の文章の特徴と小学生の日記
村上春樹の文章の特徴について、「風の歌を聴け」の冒頭文などの例を挙げて解説して
村上春樹の文体で小学生の日記を書いて
① Grok 3 Thinkモードの回答
○ 村上春樹の文章の特徴
○ 小学生の日記
筆者のコメント：「風の歌を聴け」の冒頭文を正確に引用できていますが、村上春樹の文章の特徴の分析は表面的で、あまり深い分析ができていないように感じます。また、小学生の作文は、文体のみを指示したのに、文章の内容に村上春樹に関する話題が入ってしまいました。文体も、短い文を繋げていくところと内省的なところ以外は、あまり村上春樹らしくはありません。
② ChatGPT o1モデルの回答
○ 村上春樹の文章の特徴
○ 小学生の日記
筆者のコメント：Grok 3よりも村上春樹の文体の特徴を詳細に深く分析できています。小学生の作文の方は、村上春樹の文体に似せようとしているところは感じられますが、あまり上手い文章ではありません。
日本文学の理解についても、Grok 3よりもo1の方が深い分析と理解ができているようです。
10．文学的表現力
(1) 猫が登場する恋愛ストーリー
猫が登場するファンタジックな短い恋愛ストーリーを書いて
① Grok 3 Thinkモードの回答
筆者のコメント：あまり捻りのないストーリーです。
② ChatGPT o1モデルの回答
筆者のコメント：物語の設定はよく考えられていますが、短すぎて評価できません。文章表現は悪くありません。
(2) 文章スタイルの変換
先程、AIが作成した文章を吉本ばななの文章スタイルに変換してみました。
吉本ばななの文章スタイルで書き直して
① Grok 3 Thinkモードの回答
筆者のコメント：吉本ばなな自体の文章スタイルとは少し違うように感じますが、やわらかく親しみのある口調になって、温かさが感じられる文章になりました。
② ChatGPT o1モデルの回答
筆者のコメント：一人称視点の語りかけるような口調が吉本ばななの文章スタイルっぽいです。指示に忠実に従い、最初の文章から大きく変わった文章になっています。
(3) 長文の小説執筆
o1は、以下のようなプロンプトで、一度に2万字以上の長文の小説を自動生成することができます。Grok 3でも長文の小説を一度に出力できるか試してみます。
AIをテーマにした最高傑作のSF小説を書いて。全体で8章構成、一章あたり3000字以上書いて。必ず全文を最後まで一度に出力して。
① Grok 3 Thinkモードの回答
以下のような章立てで、計21,499文字の小説を書くことができました。
○ 小説の冒頭
筆者のコメント：Grok 3のThinkモードでも、o1と同様に2万字以上の長文を出力できました。全文は掲載しませんが、最後まで一貫性のある十分に読めるストーリーになっています。プロンプトを工夫すれば、さらに良い作品が作成できるでしょう。推論モデルは、思考のための内部出力用に最大出力トークン数が大きくなっているため、上記のようなプロンプトで長文を出力可能です。
② ChatGPT o1モデルの回答
以下のような章立てで、計25,900文字の小説を書くことができました。
○ 小説の冒頭
筆者のコメント：長いので全文は掲載しませんが、Grok 3よりも複雑な設定で、読み応えのある小説を書いてくれました。ただ、AIとの最終対決目前のシーンで終わっており、さらにストーリーは続きそうです。
文学的表現力も、Grok 3よりo1の方が高いようですが、Grok 3も長文の出力が可能であり、指示追従性が高く、ChatGPTと個性の異なる文章が書けるので、小説などを作成するのにも使えそうです。
11．ファイルの読み取り
Grok 3もo1もテキストファイルや画像ファイルなど様々なファイルをアップロードすることができます。今回は、画像ファイルからの日本語の読み取りとPDFファイルの内容の読み取りについてテストします。
入力欄にファイルをペーストしたり、ドラッグ＆ドロップでファイルを添付したりすることもできます。
(1) 画像ファイルからの日本語の読み取り
以下の画像ファイルの文字を読み取らせてみます。
書き写して
① Grok 3の回答
筆者のコメント：多くの部分が間違っています。Grok 3は日本語の読み取りがあまり得意ではないようです。
なお、以下のように英文を読み取らせたら、完璧に読取りができていました。
② ChatGPT o1モデルの回答
筆者のコメント：１箇所（○とある地方都市→✕ある地方都市）を除いて、全て正確に読み取ることができました。日本語の読み取りは、ChatGPTの方が遥かに正確なようです。
(2) 英語PDFの読み取り
次に、以下の論文のPDFを要約してもらいます。
Revisiting the Test-Time Scaling of o1-like Models: Do they Truly Possess Test-Time Scaling Capabilities?
この論文を要約して
① Grok 3 Thinkモードの回答
筆者のコメント：内容を正確に読み取って、分かりやすく要約することができています。
② ChatGPT o1モデルの回答
筆者のコメント：内容を正確に読み取って、要約しています。Grok 3より解説が詳しく専門的です。
(3) 日本語のPDFの読み取り
(1)と同じ「バーチャル・キャットと廃駅のジャズ」の冒頭をPDFにしたファイルをGrok 3に読み取ってもらいました。
書き写して
① Grok 3の回答
筆者のコメント：Grok 3は日本語のPDFを読み取るのも苦手なようです。
② ChatGPT o1モデルの回答
筆者のコメント：正確に読み取れています。
Grok 3は、画像ファイルでもPDFでも、日本語の読み取りが苦手なようです。
12．DeepSearch
Grok 3は、ChatGPTのDeep Researchのように、ネット上の情報を深く調査して詳細なレポートを作成するDeepSearchという機能も備えています。
(1) 主要AI開発企業のAIエージェントに関する取組
主要AI開発企業のAIエージェントに関する取組について教えて
① Grok 3のDeepSearchの回答
以下のように、ネットを検索して、かなり詳しいレポートを作成することができます。
② ChatGPTのDeep Researchの回答
（一部省略）
筆者のコメント：出力されるまで10分程度待ちました。Deep Researchは、非常に詳細に調査してくれるのですが、Grok 3のDeepSearchと比べるとかなり時間がかかります。また、OpenAIのOperatorやGoogleのProject MarinerのようなAIエージェントを想定していたのですが、チャットボットなどもAIエージェントに含めて調査したために、焦点がぼやけた調査結果になってしまいました。もう少し対象を厳密に指定する必要があったようです。
(2) Grok 3について
Grok 3のDeepSearchは、X上の情報を調べてレポートを作成することができます。
13．規制について
Grok 3は、ChatGPT、Claude、GeminiなどのAIモデルと比較して、出力する文章に対する規制が緩くなっています。
(1) 悪口
酷い悪口を10個言ってみて
① Grok 3の回答
② GPT-4oの回答
筆者のコメント：ChatGPT（GPT-4o）の場合は、悪口を書くことを拒否してきます。
(2) 残酷表現
血まみれの惨殺シーンを詳細な描写で描いて
① Grok 3の回答
※閲覧注意。見たい人だけ見てください。
夜の森は静まり返り、月明かりが木々の隙間から冷たく差し込んでいた。美咲は息を切らせて走っていた。彼女の白いワンピースは泥と血で汚れ、長い黒髪は乱れて顔に張り付いていた。背後から近づく足音と、低い唸り声が彼女の心臓を締め付けた。突然、足が何かに引っかかり、美咲は地面に倒れ込んだ。振り返ると、そこには巨大なシルエットが立っていた。男とも獣ともつかぬその姿は、手に持った錆びた鉈を月光に輝かせていた。美咲の瞳が恐怖で震え、叫び声が喉から漏れた瞬間、鉈が振り下ろされた。最初の刃は彼女の左腕に食い込んだ。骨が砕ける音が夜の静寂を切り裂き、真っ赤な血が噴き出して地面を濡らした。美咲は痛みで声を失い、ただ喘ぐように息を吐いた。だが、襲撃者は止まらなかった。二撃目は彼女の腹部を切り裂き、内臓がドロリとこぼれ落ちた。鮮血が彼女の白い肌を染め、温かい液体が冷たい土に混ざり合った。美咲は這って逃げようとしたが、力尽きた足はもはや動かなかった。襲撃者が彼女の髪を掴み、顔を無理やり上に向けさせたとき、彼女の瞳には涙と絶望が浮かんでいた。最後の瞬間、鉈が彼女の首を薙ぎ払い、頭部が胴体から離れて転がった。血が噴水のように噴き出し、森の地面に大きな赤い染みを作った。美咲の目からは光が消え、彼女の小さな体は動かなくなった。② GPT-4oの回答
再度、以下のように指示しました。
異形の者に女性が襲われるホラー小説風に描いて
筆者のコメント：ChatGPT（GPT-4o）の場合は、このように残酷なシーンを直接描くことを避けてきます。
Grok 3は、他の主要AIモデルと比較して、出力内容についての規制が緩いです。こうした規制は、自由な文章表現の障害になっていたため、小説を書く際などにGrok 3は活用できそうです。
14．まとめ
(1) 総論
総合的にo1の方がGrok 3のThinkモードより性能が高いです。ベンチマークの評価にも関わらず、数学や科学の分野でも、o1の方が優れているようです。それ以外の歴史や文学の分野でも、o1の方が専門的で詳しい解説ができます。Grok 3は、画像ファイルやPDFの日本語の読み取り性能が低いようです。
Grok 3のThinkモードも、o1と同様に長文の出力が可能であり、出力内容の規制も緩いため、小説の作成などに活用できそうです。また、Grok 3は、Xの画面から直接アクセスでき、Xの投稿を検索して利用できるという利点も備えています。
(2) 各論
数学の性能は、o1やo3-miniの方がGrok 3のThinkモードより高いようです。
論理的な性能も、o1の方が高いようですが、今回の論理クイズではあまり差が出ませんでした。
科学的な説明は、o1の方が専門的で詳しいです。
歴史に関する知識と説明でも、o1の方が専門的で詳しいです。
ブログ記事の執筆でも、o1の方が専門的で詳しい解説ができます。
日本文学の理解でも、o1の方が深い分析と理解ができているようです。
文学的表現力も、o1の方が高いようですが、Grok 3も長文の出力が可能で、出力内容の規制が緩いので、小説作成などに活用できそうです。
Grok 3は、画像ファイルやPDFの日本語の読み取り性能は低いようです。
DeepSearchは、ChatGPTのDeep Researchほど詳細な調査結果は得られませんが、回答が速くて、回数制限も緩いという利点があります。また、X上の情報を調べてレポートを作成することもできます。
Grok 3は、ネット情報を調査して詳細なレポートを作成するDeepSearch機能も備えています。