2025年11月30日，Tom's Guide 發佈嘅對比評測用9條精心設計嘅挑戰性提示（prompts）將 Elon Musk 支持嘅 Grok 4.1 同 Google 嘅 Gemini 3.0 放喺同一考場。作者冇淨係比較表面速度或單次答覆，而係將測試分成編程修復、推理題、創意寫作、俚語翻譯、正則表達式生成、表格總結、情緒識別、法律風格摘要同數學邏輯題九個類別，逐項打分。
喺編程修復呢項，評測者將一段有索引錯誤嘅 Python 片段交畀兩款模型。Grok 4.1 嘅回應直接提供改正後嘅代碼片段並附上簡短說明，執行路徑清晰；而 Gemini 3.0 則用更多篇幅解釋錯誤成因、可能嘅邊界情況同測試建議，雖然都有提供修復代碼，但喺「直接得出可運行結果」嘅效率上略遜一籌。
對於創意寫作同腦力激盪類任務，Tom's Guide 指出 Grok 傾向更冒險、更具發散性：佢提供嘅營銷標語同短篇故事結構更鮮明、用詞更大膽；Gemini 喺文風一致性同遵守安全守則方面較穩健，內容比較保守但邏輯更連貫。
喺數學與邏輯推理題上，兩個模型都出現咗可驗證性差異。Gemini 3.0 提供嘅分步推理較清晰，方便人工複核；Grok 4.1 喺部分複雜算術或組合邏輯題上回答更快且更簡潔，但需要更嚴格嘅後續核驗嚟確認其計算路徑。
翻譯涉及俚語同文化意象時，評測者發現 Grok 更善於將俚語轉化為同樣富有情感色彩嘅目標語言表達，適合強調「口語化同年輕化」嘅場景；Gemini 對高風險詞彙較謹慎，會傾向加入解釋性註釋以避免誤讀。
喺結構化任務，例如從表格提取要點或生成正則表達式時，Gemini 展現出穩健嘅格式化能力同對複雜邊界情況嘅註記；Grok 喺直觀可讀性同速度上仍占優，但喺邊緣情況嘅覆蓋同注釋上稍為薄弱。
總結性評分方面，Tom's Guide 得出嘅結論係：Grok 4.1 喺今次9題對決中以較高嘅「直接性」同「創意適應性」攞到更高分，被評為「明顯勝出」。文章同時強調，呢個結果唔代表 Gemini 比 Grok 弱，反而指出兩者側重唔同——Grok 更似一把鋒利嘅快刀，適合需要速度同創意嘅場景；Gemini 則似一套較穩重嘅工具箱，適合對事實性、可驗證性同長文本一致性有較高要求嘅任務。
Tom's Guide 嘅測試細節、逐題示例同逐條評分標準都記錄喺文中，提醒讀者：單次對比唔能涵蓋所有使用場景，揀邊款 AI 仍然要視乎具體需求。今次評測亦反映出 2024 年 AI 競賽嘅兩個趨勢——一係速度同創意輸出嘅快速進步，二係對可靠性同可審計性嘅持續關注。對於希望喺產品或創作中嵌入大型模型嘅開發者同內容工作者，文章建議並行使用兩類模型以取長補短。
最終，Tom's Guide 呈現嘅呢場實測，為公眾了解兩大陣營喺實際任務中嘅差異提供咗直觀參考，亦進一步推動圍繞模型表現、責任同可驗證性嘅討論。