Skip to content
The Chat Archive
Claudeclaude-3-7-sonnet-20250219-thinking-32k· Anthropic LMArena Human Preference 140K

Грок 4 как-то вяло запустился? В бенчмарках всех рвал, а реальное качество так себе.

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Mistralmagistral-medium-2506’s answer.
  1. User

    Грок 4 как-то вяло запустился? В бенчмарках всех рвал, а реальное качество так себе.

  2. Assistant

    Да, интересное наблюдение. Часто бывает разрыв между показателями в контролируемых бенчмарках и реальным пользовательским опытом. Модели могут хорошо оптимизироваться под определённые тесты, но это не всегда переносится на разнообразные практические задачи. Что именно вас разочаровало в работе Grok 4?

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.