BenchLeader

Claude Opus 4.7 vs Grok 4.7

完整资料:Claude Opus 4.7(Anthropic)和 Grok 4.7(SpaceXAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Claude Opus 4.7 领先 Grok 4.7(BenchLeader Index 63.1 比 57.4)。不过,Grok 4.7 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.00 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 4.7 均领先。Grok 4.7 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Grok 4.7 为 57.4(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Grok 4.7 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Grok 4.7 比 Claude Opus 4.7 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 13 项基准测试中,Claude Opus 4.7 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,Grok 4.7 为 1641(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程均可类别得分 61 比 61;Arena WebDev 1555 比 1641均可
智能体与工具调用Claude Opus 4.7类别得分 68 比 57;Terminal-Bench 80.2% 比 38.8%高
数学Claude Opus 4.7类别得分 67 比 56;Arena Maths 1490 比 1447高
推理Claude Opus 4.7类别得分 64 比 56;Arena Hard Prompts 1519 比 1466高
图像及其他媒体Claude Opus 4.7类别得分 67 比 56;Arena Vision 1319 比 1230高
对话质量(人类偏好)Claude Opus 4.7Arena 投票 67 比 63中
成本最低Grok 4.7每百万 token 混合价格 $3.00 比 $10.00;智能体编程会话 $0.144 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 55.9 秒(Grok 4.7 (xhigh))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Claude Opus 4.7 领先:63.1 比 57.4。
  • Claude Opus 4.7 在智能体与工具、人类偏好、数学、多模态、推理方面更强。
  • Grok 4.7 (xhigh) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.00 比 $10.00)。
  • Grok 4.7 (xhigh) 的输出速度是对方的 1.4 倍(68 比 48 token/秒)。

概览

规格Claude Opus 4.7Grok 4.7
提供商AnthropicSpaceXAI
发布日期2026年4月16日2026年9月21日
上下文窗口(token)1,000,000500,000
对比时的配置Claude Opus 4.7Grok 4.7 (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$2.00 / $6.00 / $0.500

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 4.7Grok 4.7 (xhigh)领先者
推理63.655.6Claude Opus 4.7
编程60.960.9持平
智能体与工具67.956.9Claude Opus 4.7
数学66.755.8Claude Opus 4.7
知识–59.9无法比较
人类偏好67.362.5Claude Opus 4.7
多模态67.155.5Claude Opus 4.7
长上下文–62.9无法比较
综合–52.8无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学多模态人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 多模态: 67.1Claude Opus 4.7, 人类偏好: 67.3Grok 4.7, 推理: 55.6Grok 4.7, 编程: 60.9Grok 4.7, 智能体与工具: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 多模态: 55.5Grok 4.7, 人类偏好: 62.5

未绘制(测得的模型少于两个):知识, 指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 13 项基准测试中,Claude Opus 4.7 领先 10 项,Grok 4.7 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7Grok 4.7 (xhigh)领先者
BenchLeader Index63.157.4Claude Opus 4.7
Arena Text14941443Claude Opus 4.7

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 4.7Grok 4.7 (xhigh)
每百万 token 混合价格$10.00$3.00
每百万 token 输入 / 输出$5.00 / $25.00$2.00 / $6.00
每百万 token 缓存输入$0.500$0.500
每项任务价格:聊天回复$0.0095$0.0026
每项任务价格:总结一份 30 页的报告$0.075$0.028
每项任务价格:代码编辑$0.068$0.021
每项任务价格:智能体编程会话$0.400$0.144
每项任务价格:结构化信息提取$0.015$0.0052
智能体编程会话(输入大多命中缓存)$0.198$0.076
每项基准测试任务成本(AA Index)–$7.77
每项任务输出 token(AA Index)–105k
其中推理部分–69k
每项任务耗时(AA Index)–26 min
输出速度48 tok/s68 tok/s
首次回答时间1.0 秒55.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–145.5 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。Grok 4.7 (xhigh) 得分 57.4,首个回答 token 需 56 秒;Grok 4.7 (high) 为 56.9(35 秒),Grok 4.7 (low) 为 55.4(10 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 190 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 4.7Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader63.157.4
智能体与工具得分BenchLeader67.956.9
编程得分BenchLeader60.960.9
人类偏好得分BenchLeader67.362.5
数学得分BenchLeader66.755.8
多模态得分BenchLeader67.155.5
推理得分BenchLeader63.655.6
综合得分BenchLeader–52.8
知识得分BenchLeader–59.9
长上下文得分BenchLeader–62.9
混合价格(美元/百万 token)BenchLeader$10.00$3.00
输出速度BenchLeader48 tok/s68 tok/s
首次回答时间BenchLeader1.0 秒55.9 秒
上下文窗口BenchLeader1,000,000 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†92.7%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench87.2%†82.7%
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–89.5%
ARC-AGI-2ARC Prize–61.4%
ARC-AGI-3ARC Prize0.2%†7.0%
CritPtArtificial Analysis12.0%†17.7%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–25.2%
HLE-Diamond (Scale)Scale AI SEAL–23.4%†
Arena ExpertArena (LMArena)15341478
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%29.0%
LMCAEpoch AI Benchmarking Hub52.2%†49.4%
DTBenchEpoch AI Benchmarking Hub94.7%†96.0%
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
显示全部 190 项基准测试
指标发布方Claude Opus 4.7Grok 4.7 (xhigh)
编程
SciCodeSciCode54.5%†57.4%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%47.6%†
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471493
Arena WebDevArena (LMArena)15551641
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench82.1%†77.2%
SciCode (AA)Artificial Analysis–57.4%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–57.7%
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI0.0%†0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench v1.1Vals AI71.0%†86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
SWE Atlas v1.1Scale AI SEAL–62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†54.4%
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub1323.01545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis–25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 2–63.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–71.2
Design Arena WebsiteDesign Arena–1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis–28.7%
智能体与工具
Terminal-BenchTerminal-Bench80.2%38.8%
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†54.6%†
Arena AgentArena (LMArena)–2.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench50.7%†54.0%
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†73.4%
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis1361†1717
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†42.1%
Analyst Agent (AA)Artificial Analysis43.8%†52.5%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI51.5%†52.3%
Finance Agent v2.1Vals AI–60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–18.3%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†12.5%
Legal Research BenchVals AI38.5%†47.1%
Robo-benchVals AI–0.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI23.7%†35.8%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–28.8%
Terminal-Bench ScienceVals AI–10.0%
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–5.1
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.810536.8†
AutomationBenchArtificial Analysis–65.6%
GDP.pdf (AA)Artificial Analysis–20.0%
Harvey LAB-AA v1.1Harvey–9.4%
AA-Briefcase v1.1Artificial Analysis1252†1636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena–1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.4%
CWE-Bench (AA)Artificial Analysis–68.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis–40.1%
FACTS SearchGoogle–85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†98.1%
ProofBenchVals AI54.0%†26.0%†
LiveBench MathematicsLiveBench92.8%†95.7%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench78.3%†76.9%
AA-Omniscience v1.1Artificial Analysis–31.2
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†84.4%
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI54.9%†49.5%
MedScribeVals AI83.0%†89.4%
Public Benefits Bench v1.1Vals AI–65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–68.0%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle–54.3%†
指令遵循
LiveBench LanguageLiveBench77.9%†80.1%
LiveBench Instruction FollowingLiveBench66.7%†75.3%
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931435
人类偏好
Arena TextArena (LMArena)14941443
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench19152012†
Arena Creative WritingArena (LMArena)14821421
Arena Multi-turnArena (LMArena)15141435
Arena Longer QueriesArena (LMArena)15081454
多模态
Arena VisionArena (LMArena)13191230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis78.8%†78.2%†
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
SAGEVals AI–88.7%
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†20.8%
VIALS-AAHandshake AI–37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle–40.9%†
长上下文
AA-LCR v1.1Artificial Analysis78.7%†76.7%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–20.0%
FACTS GroundingGoogle–68.6%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench76.5%†77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis40.7†46.5
AA Progress Index v1Artificial Analysis312.5†322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI19.1%†20.2%
Vals Science IndexVals AI–34.8%
Vals Multimodal IndexVals AI67.4%†–
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI–72.7%
AA Cyber IndexArtificial Analysis–56.4
安全与诚实
DistressBenchScale AI SEAL–52.4%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Grok 4.7 (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
  • Grok 4.7 (xhigh):2 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Grok 4.7 (xhigh):2 项分数修订。
  • Grok 4.7 (xhigh):2 项分数修订。
  • Grok 4.7 (xhigh):1 项分数修订。
  • Grok 4.7 (xhigh):BenchLeader Index 59.5 → 58.0。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.7 vs Grok 4.7:常见问题

Claude Opus 4.7 比 Grok 4.7 更好吗?
质量上 Claude Opus 4.7 领先:63.1 比 57.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 4.7 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 4.7 和 Grok 4.7 哪个更便宜?价格会变吗?
目前 Grok 4.7 更便宜:每百万 token $3.00 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.7 还是 Grok 4.7 更好?
两者在编程方面持平(类别得分 61 比 61)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.7 为 1555,Grok 4.7 为 1641。
Claude Opus 4.7 和 Grok 4.7 哪个更快?
Grok 4.7 输出更快(约 1.5 倍;输出 68 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 Grok 4.7 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 57,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 4.7 为 80.2%,Grok 4.7 为 38.8%。
更多问题(4)
处理长文档哪个更好?
Claude Opus 4.7 支持更长的上下文:1,000,000 token,Grok 4.7 为 500,000 token。
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 55.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 4.7 和 Grok 4.7 的看法一致吗?
在两者都有结果的 13 项基准测试中,Claude Opus 4.7 领先 10 项,Grok 4.7 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
Grok 4.7 是什么时候发布的?
Grok 4.7 于 2026年9月21日 发布。