Grok 4はテストスコアの点では最高ですが、実際の改善は目立ちません。 情報の取得と分析はO3ほど良くなく、プログラミングはClaudeほど良くなく、テキストレベルはGPT 4.5ほど良くなく、コンテキストの信頼性はGeminiほど良くありません。 上記はまさに私が日常の使用で最も必要とする側面です。