2025年11月30日，Tom's Guide发布的对比评测用9道精心设计的挑战性提示（prompts）把Elon Musk支持的GroK 4.1和Google的Gemini 3.0放到同一考场。作者没有停留在表面速度或单次回答的对比，而是把测试分成编程修复、推理题、创意写作、俚语翻译、正则表达式生成、表格总结、情绪识别、法律风格摘要和数学逻辑题九个类别，逐项打分。
在编程修复这一项中，评测者把一个含有索引错误的Python片段发给两款模型。GroK 4.1的回应直接给出改正后的代码片段并附上简短说明，执行路径清晰；而Gemini 3.0则花更多篇幅解释错误成因、可能的边界情况和测试建议，虽然也给出了修复代码，但在“直接得出可运行结果”的效率上略逊一筹。
对于创意写作和脑力激荡类任务，Tom's Guide指出GroK倾向于更冒险、更具发散性的输出：它给出的营销标语和短篇故事结构更鲜明、选词更大胆；Gemini则在文风一致性和遵守安全守则方面更稳健，内容更保守但逻辑更连贯。
在数学与逻辑推理题上，两个模型都出现了可验证性差异。Gemini 3.0给出的分步推理更为清晰，便于人工复核；GroK 4.1在部分复杂算术或组合逻辑题上回答更快且更简洁，但需要更严格的后续核验来确认其计算路径。
翻译涉及俚语和文化意象时，评测者发现GroK更善于把俚语转化为同样富有情感色彩的目标语言表达，适合强调“口语化和年轻化”的场景；Gemini对风险词汇更为谨慎，会倾向于添加解释性注释以避免误读。
在结构化任务如从表格提取要点或生成正则表达式时，Gemini展现出稳健的格式化能力和对复杂边界条件的标注；GroK在直观可读性和速度上仍占优势，但在边缘情况的覆盖与注释上略微薄弱。
总结性评分里，Tom's Guide给出的结论是：GroK 4.1在这次9题对决中以更高的“直接性”和“创意适应性”拿下更高分，被评为“明显胜出”。文章同时强调，这并不意味着Gemini弱于GroK，反而指出两者的侧重点不同——GroK更像一把锋利的快刀，适合需要速度和创意的场景；Gemini像是一套更稳重的工具箱，适合对事实性、可验证性和长文本一致性有更高要求的任务。
Tom's Guide的测试细节、逐题示例和逐条评分标准都记录在文中，提醒读者：单次对比并不能覆盖所有使用场景，选择哪款AI仍然依赖于具体需求。此次评测也反映出2024年AI竞赛的两个趋势——一是速度与创意输出的快速进步，二是对可靠性与可审计性的持续关注。对于希望在产品或创作中嵌入大模型的开发者和内容工作者，文章建议并行使用两类模型以取长补短。
最终，这场由Tom's Guide呈现的实测，为公众看清两大阵营在实际任务中的差别提供了直观参考，也进一步推动了围绕模型表现、责任与可验证性的讨论。