BenchLeader

Agnes 3.0 Flash vs Grok 4.6

在两者都有结果的 12 项基准测试中,Grok 4.6 在 10 项上得分更高,Agnes 3.0 Flash 在 1 项上更高。

BenchLeader 读取的基准测试发布方都已不再收录 Agnes 3.0 Flash,因此它的数据自 2026年9月22日 起停止更新。Grok 4.6 的数据为截至 2026年11月16日 的最新数据。每项分数都标注了发布日期。

基准测试Agnes 3.0 FlashGrok 4.6 (xhigh)
AA Intelligence Index v4.3.235.5
2026年9月11日
44.2
2026年8月12日
AA-LCR v1.181.0%
2026年9月11日
81.0%
2026年8月12日
AA-Omniscience v1.1-10.6
2026年9月11日
24.9
2026年8月12日
GPQA Diamond (AA)92.4%
2026年9月11日
93.5%
2026年8月12日
Humanity's Last Exam (AA)38.5%
2026年9月11日
44.1%
2026年8月12日
SciCode (AA)51.6%
2026年9月11日
53.0%
2026年8月12日
CritPt15.1%
2026年9月19日
19.7%
2026年8月12日
τ³-Banking (AA)47.6%
2026年9月19日
43.3%
2026年8月12日
Terminal-Bench 4.0 (AA)7.1%
2026年9月22日
17.2%
2026年8月12日
Terminal-Bench 2.1 (AA)82.0%
2026年9月22日
88.0%
2026年8月12日
AA-Omniscience v1.1: accuracy25.5%
2026年9月22日
46.2%
2026年8月12日
AA-Omniscience v1.1: non-hallucination51.6%
2026年9月22日
60.3%
2026年8月12日
混合价格(每百万 token,3:1)$0.075$3.00
输出速度317 tok/s70 tok/s

查看 Agnes 3.0 Flash 最后测得的全部数据,或前往 Grok 4.6 的页面,了解它与仍在测量的模型相比如何。完整列表见排行榜。