Karyawan OpenAI menuduh hasil pengujian benchmark model kecerdasan buatan Grok3 yang dirilis xAI menyesatkan, namun xAI menyangkal perilaku yang tidak pantas. Grok3 melampaui model terkuat OpenAI di AIME 2025, tetapi dikritik karena grafiknya tidak mencakup semua data perbandingan. Babushkin mengklaim bahwa OpenAI juga pernah merilis grafik serupa untuk membandingkan kinerja model.

Baru-baru ini, karyawan OpenAI menuduh hasil pengujian Benchmark Grok3 model AI yang dirilis oleh xAI menyesatkan, xAI menyatakan kinerja yang sangat baik, tetapi mengabaikan data penting. Kedua belah pihak terlibat dalam diskusi sengit di platform media sosial, xAI menyebutkan bahwa OpenAI pernah merilis grafik serupa.

Data 10 emas 18 Februari, sementara tiga model besar Grok yang dirilis oleh Musk, situs Grok mengalami masalah tidak dapat diakses.