BenchLeader

Claude Sonnet 5 vs Grok 4.7

完整资料:Claude Sonnet 5(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 13 个来源

截至 2026年11月16日,Claude Sonnet 5 与 Grok 4.7 的质量不相上下(BenchLeader Index 59.0 比 57.4,在 ±3.6 的误差范围内)。Grok 4.7 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。看重推理(65 比 56)、数学(65 比 56)和多模态(61 比 56)选 Claude Sonnet 5;看重智能体与工具(57 比 53)和编程(61 比 60)选 Grok 4.7。Claude Sonnet 5 的首次回答更快(15.8 秒 比 55.9 秒)。Claude Sonnet 5 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,Grok 4.7 为 57.4(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(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)。
  • Claude Sonnet 5 比 Grok 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 27 项基准测试中,Grok 4.7 领先 16 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,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Grok 4.7类别得分 61 比 60;Arena WebDev 1641 比 1539中
智能体与工具调用Grok 4.7类别得分 57 比 53;Arena Agent 2.6 比 2中
数学Claude Sonnet 5类别得分 65 比 56;Arena Maths 1472 比 1447高
推理Claude Sonnet 5类别得分 65 比 56;Arena Hard Prompts 1490 比 1466高
长文档均可类别得分 63 比 63;AA-LCR v1.1 76.7% 比 76.7%均可
图像及其他媒体Claude Sonnet 5类别得分 61 比 56;Arena Vision 1272 比 1230中
对话质量(人类偏好)Claude Sonnet 5Arena 投票 65 比 63中
成本最低Grok 4.7每百万 token 混合价格 $3.00 比 $4.00;智能体编程会话 $0.144 比 $0.160–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))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

  • Claude Sonnet 5 (high) 与 Grok 4.7 (xhigh) 的质量不相上下(59.0 比 57.4,在 ±3.6 的误差范围内)。
  • Claude Sonnet 5 (high) 在人类偏好、数学、多模态、推理方面更强。
  • Grok 4.7 (xhigh) 在智能体与工具、编程方面更强。
  • Grok 4.7 (xhigh) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。
  • Claude Sonnet 5 (high) 的输出速度是对方的 1.5 倍(99 比 68 token/秒)。

概览

规格Claude Sonnet 5Grok 4.7
提供商AnthropicSpaceXAI
发布日期2026年6月30日2026年9月21日
上下文窗口(token)1,000,000500,000
对比时的配置Claude Sonnet 5 (high)Grok 4.7 (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.200$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 Sonnet 5 (high)Grok 4.7 (xhigh)领先者
推理65.455.6Claude Sonnet 5
编程59.960.9Grok 4.7
智能体与工具52.956.9Grok 4.7
数学65.355.8Claude Sonnet 5
知识–59.9无法比较
人类偏好64.662.5Claude Sonnet 5
多模态60.955.5Claude Sonnet 5
长上下文62.962.9持平
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长上下文多模态人类偏好Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 多模态: 60.9Claude Sonnet 5, 人类偏好: 64.6Grok 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, 长上下文: 62.9Grok 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。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 27 项基准测试中,Claude Sonnet 5 领先 10 项,Grok 4.7 领先 16 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Sonnet 5 更强。

综合 IndexClaude Sonnet 5 (high)Grok 4.7 (xhigh)领先者
BenchLeader Index59.057.4不相上下
Arena Text14611443Claude Sonnet 5

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 Sonnet 5 (high)Grok 4.7 (xhigh)
每百万 token 混合价格$4.00$3.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $6.00
每百万 token 缓存输入$0.200$0.500
每项任务价格:聊天回复$0.0038$0.0026
每项任务价格:总结一份 30 页的报告$0.030$0.028
每项任务价格:代码编辑$0.027$0.021
每项任务价格:智能体编程会话$0.160$0.144
每项任务价格:结构化信息提取$0.0060$0.0052
智能体编程会话(输入大多命中缓存)$0.079$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99 tok/s68 tok/s
首次回答时间15.8 秒55.9 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒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 Sonnet 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 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 177 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 Sonnet 5 (high)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader59.057.4
智能体与工具得分BenchLeader52.956.9
编程得分BenchLeader59.960.9
人类偏好得分BenchLeader64.662.5
长上下文得分BenchLeader62.962.9
数学得分BenchLeader65.355.8
多模态得分BenchLeader60.955.5
推理得分BenchLeader65.455.6
综合得分BenchLeader–52.8
知识得分BenchLeader–59.9
混合价格(美元/百万 token)BenchLeader$4.00$3.00
输出速度BenchLeader99 tok/s68 tok/s
首次回答时间BenchLeader15.8 秒55.9 秒
上下文窗口BenchLeader1,000,000 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†92.7%
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)14901466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench88.7%†82.7%
GPQA Diamond (AA)Artificial Analysis91.1%†–
Humanity's Last Exam (AA)Artificial Analysis35.7%43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
GPQA Diamond (Vals)Vals AI88.9%†–
ARC-AGI-1ARC Prize–89.5%
ARC-AGI-2ARC Prize–61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis15.1%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)15091478
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†29.0%
LMCAEpoch AI Benchmarking Hub50.0%49.4%
DTBenchEpoch AI Benchmarking Hub84.5%96.0%
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SciCodeSciCode54.3%57.4%
WeirdMLWeirdML68.8%–
显示全部 177 项基准测试
指标发布方Claude Sonnet 5 (high)Grok 4.7 (xhigh)
编程
FrontierCodeCognition42.7%†47.6%†
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201493
Arena WebDevArena (LMArena)15391641
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench80.7%†77.2%
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†57.7%
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI0.0%†0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
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%†
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†54.4%
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%46.3%
ALE-BenchEpoch AI Benchmarking Hub1463.11545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†–
Startrise FrontendStartrise66.6%†75.9%†
GameBench 2 OverallDuelLab GameBench 246.6†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†71.2
Design Arena WebsiteDesign Arena1268†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis17.8%†28.7%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†38.8%
APEX-AgentsMercor54.5%†54.6%†
Arena AgentArena (LMArena)22.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench59.4%†54.0%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†73.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis12621717
τ³-Banking (AA)Artificial Analysis37.3%†–
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis46.3%†52.5%
CyberBenchVals AI61.9%†69.5%
Finance Agent v2Vals AI53.9%†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 AI5.0%†12.5%
Legal Research BenchVals AI41.8%†47.1%
Robo-benchVals AI–0.2%
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†3.8%
Tax Agent BenchVals AI29.4%†35.8%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†28.8%
Terminal-Bench ScienceVals AI5.7%†10.0%
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.65.1
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†10536.8†
AutomationBenchArtificial Analysis32.1%65.6%
GDP.pdf (AA)Artificial Analysis9.4%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1222†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 Hub65.6%†53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†98.1%
ProofBenchVals AI77.0%†26.0%†
LiveBench MathematicsLiveBench92.9%†95.7%
Arena MathsArena (LMArena)14721447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench71.7%†76.9%
AA-Omniscience v1.1Artificial Analysis–31.2
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†84.4%
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
Excel Modeling BenchmarkVals AI66.3%†67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI47.5%†49.5%
MedScribeVals AI76.0%†89.4%
Public Benefits Bench v1.1Vals AI66.0%†65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–68.0%
DrugDiscoveryBenchScale AI SEAL50.0%†–
GDP.pdfEpoch AI Benchmarking Hub–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 ParametricGoogle20.5%†54.3%†
指令遵循
LiveBench LanguageLiveBench75.0%†80.1%
LiveBench Instruction FollowingLiveBench63.9%†75.3%
Arena Instruction FollowingArena (LMArena)14671435
人类偏好
Arena TextArena (LMArena)14611443
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†2012†
Arena Creative WritingArena (LMArena)14341421
Arena Multi-turnArena (LMArena)14731435
Arena Longer QueriesArena (LMArena)14811454
多模态
Arena VisionArena (LMArena)12721230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis77.3%†78.2%†
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
SAGEVals AI–88.7%
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub–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 Analysis76.7%76.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%20.0%
FACTS GroundingGoogle–68.6%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench76.0%†77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis31.746.5
AA Progress Index v1Artificial Analysis296.8322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI–20.2%
Vals Science IndexVals AI–34.8%
Vals Multimodal IndexVals AI68.8%†–
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 SEAL68.0%†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…)。
  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • 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 Sonnet 5 (high):1 项分数修订。
  • Grok 4.7 (xhigh):2 项分数修订。

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 Sonnet 5 vs Grok 4.7:常见问题

Claude Sonnet 5 比 Grok 4.7 更好吗?
Claude Sonnet 5 (high) 与 Grok 4.7 (xhigh) 的质量不相上下(59.0 比 57.4,在 ±3.6 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Sonnet 5 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 $4.00(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 Sonnet 5 还是 Grok 4.7 更好?
Grok 4.7 在编程方面得分更高(类别得分 61 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Sonnet 5 为 1539,Grok 4.7 为 1641。
Claude Sonnet 5 和 Grok 4.7 哪个更快?
Claude Sonnet 5 输出更快(约 1.5 倍;输出 99 比 68 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5 还是 Grok 4.7 更好?
Grok 4.7 在智能体任务方面得分更高(类别得分 57 比 53,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Sonnet 5 为 2,Grok 4.7 为 2.6。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(63 比 63)。Claude Sonnet 5 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 Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 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 Sonnet 5 和 Grok 4.7 的看法一致吗?
在两者都有结果的 27 项基准测试中,Claude Sonnet 5 领先 10 项,Grok 4.7 领先 16 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Sonnet 5 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。