BenchLeader

GPT-5.5 Pro vs Grok 4.3

完整资料:GPT-5.5 Pro(OpenAI)和 Grok 4.3(SpaceXAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 6 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。Grok 4.3 更便宜,对方的价格是它的 43 倍(每百万 token 混合价格 $1.56 比 $67.50)。在两者都有成绩的所有类别中,GPT-5.5 Pro 均领先。Grok 4.3 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-5.5 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月16日)。
  • Grok 4.3 每百万 token 混合价格为 $1.56(标价,2026年11月16日)。
  • Grok 4.3 比 GPT-5.5 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 6 项基准测试中,GPT-5.5 Pro 领先 6 项(BenchLeader,2026年11月16日)。

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
数学GPT-5.5 Pro类别得分 70 比 46;FrontierMath Tiers 1–3 87.7% 比 42.8%高
推理GPT-5.5 Pro类别得分 68 比 63;CritPt 30.6% 比 8.0%中
成本最低Grok 4.3每百万 token 混合价格 $1.56 比 $67.50;智能体编程会话 $0.085 比 $2.52–
首次回答最快GPT-5.5 Pro首个回答 token 6.0 秒(GPT-5.5 Pro (xhigh))比 17.7 秒(Grok 4.3 (high))–
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

  • 共同的基准测试太少,无法给出结论。
  • GPT-5.5 Pro (xhigh) 在数学、推理方面更强。
  • Grok 4.3 (high) 更便宜,对方的价格是它的 43 倍(每百万 token 混合价格 $1.56 比 $67.50)。
  • Grok 4.3 (high) 的输出速度是对方的 4.0 倍(85 比 21 token/秒)。

概览

规格GPT-5.5 ProGrok 4.3
提供商OpenAISpaceXAI
发布日期2026年4月23日2026年4月17日
上下文窗口(token)1,050,0001,000,000
对比时的配置GPT-5.5 Pro (xhigh)Grok 4.3 (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$30.00 / $180.00 / –$1.25 / $2.50 / $0.200

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GPT-5.5 Pro (xhigh)Grok 4.3 (high)领先者
推理67.963.3GPT-5.5 Pro
编程–57.8无法比较
智能体与工具–44.8无法比较
数学70.046.3GPT-5.5 Pro
知识–50.3无法比较
指令遵循–78.8无法比较
多模态–60.4无法比较
长上下文–61.0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知识指令遵循长上下文多模态GPT-5.5 Pro, 推理: 67.9GPT-5.5 Pro, 数学: 70.0Grok 4.3, 推理: 63.3Grok 4.3, 编程: 57.8Grok 4.3, 智能体与工具: 44.8Grok 4.3, 数学: 46.3Grok 4.3, 知识: 50.3Grok 4.3, 指令遵循: 78.8Grok 4.3, 长上下文: 61.0Grok 4.3, 多模态: 60.4

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 6 项基准测试中,GPT-5.5 Pro 领先 6 项,Grok 4.3 领先 0 项。

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GPT-5.5 Pro (xhigh)Grok 4.3 (high)
每百万 token 混合价格$67.50$1.56
每百万 token 输入 / 输出$30.00 / $180.00$1.25 / $2.50
每百万 token 缓存输入–$0.200
每项任务价格:聊天回复$0.066$0.0013
每项任务价格:总结一份 30 页的报告$0.468$0.017
每项任务价格:代码编辑$0.450$0.011
每项任务价格:智能体编程会话$2.52$0.085
每项任务价格:结构化信息提取$0.096$0.0030
智能体编程会话(输入大多命中缓存)–$0.038
输出速度21 tok/s85 tok/s
首次回答时间6.0 秒17.7 秒
完整回答耗时(最近一次测量 2026年11月13日)–46.5 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.5 Pro (xhigh)首个回答 token 需 6 秒。Grok 4.3 (high) 得分 56.5,首个回答 token 需 18 秒;Grok 4.3 为 54.5(1 秒),Grok 4.3 (无推理) 为 46.3(1 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 91 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GPT-5.5 Pro (xhigh)Grok 4.3 (high)
BenchLeader IndexBenchLeader–56.5
数学得分BenchLeader70.046.3
推理得分BenchLeader67.963.3
智能体与工具得分BenchLeader–44.8
编程得分BenchLeader–57.8
指令遵循得分BenchLeader–78.8
知识得分BenchLeader–50.3
长上下文得分BenchLeader–61.0
多模态得分BenchLeader–60.4
混合价格(美元/百万 token)BenchLeader$67.50$1.56
输出速度BenchLeader21 tok/s85 tok/s
首次回答时间BenchLeader6.0 秒17.7 秒
上下文窗口BenchLeader1,050,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–88.8%
SimpleBenchSimpleBench76.9%†–
Arena Hard PromptsArena (LMArena)–1456†
LiveBench 1.0 ReasoningLiveBench–70.8%†
GPQA Diamond (AA)Artificial Analysis–90.1%
Humanity's Last Exam (AA)Artificial Analysis–37.2%
GPQA Diamond (Vals)Vals AI–91.4%†
ARC-AGI-1ARC Prize95.0%–
ARC-AGI-2ARC Prize84.2%–
CritPtArtificial Analysis30.6%8.0%
Arena ExpertArena (LMArena)–1454†
Chess PuzzlesEpoch AI Benchmarking Hub62.0%18.0%
LMCAEpoch AI Benchmarking Hub53.9%38.3%
DTBenchEpoch AI Benchmarking Hub96.0%90.7%
ForecastBenchForecastBench–63.2%†
编程
SciCodeSciCode–48.3%
WeirdMLWeirdML–49.9%†
Arena CodingArena (LMArena)–1487†
Arena WebDevArena (LMArena)–1357†
LiveBench 1.0 CodingLiveBench–69.9%†
LiveCodeBenchVals AI–84.5%
SWE-bench (Vals)Vals AI–71.4%
Code MigrationVals AI–6.8%
ProgramBenchVals AI–0.0%
Vibe Code Bench v1.1Vals AI–19.4%
显示全部 91 项基准测试
指标发布方GPT-5.5 Pro (xhigh)Grok 4.3 (high)
编程
ALE-BenchEpoch AI Benchmarking Hub–944.2†
Terminal-Bench 4.0 (AA)Artificial Analysis–0.0%
Terminal-Bench 2.1 (AA)Artificial Analysis–39.7%
Design Arena WebsiteDesign Arena–1186†
智能体与工具
LiveBench Agentic CodingLiveBench–18.5%†
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–97.7%
Terminal-Bench 2.1 (Vals)Vals AI–42.0%
GDPval-AA v2.1Artificial Analysis–945
τ³-Banking (AA)Artificial Analysis–12.4%
ITBench SRE (AA)Artificial Analysis–32.7%
Analyst Agent (AA)Artificial Analysis–8.8%
APEX-Agents (AA)Artificial Analysis–17.0%
Finance Agent v2Vals AI–37.7%
Harvey's Legal Agent Benchmark v1Vals AI–0.4%
Legal Research BenchVals AI–15.4%
SkillsBenchVals AI–40.6%
Tax Agent BenchVals AI–6.2%
Terminal-Bench 2.0 (Vals)Vals AI–43.5%†
Arena SearchArena (LMArena)–1194†
Vending-Bench 2Andon Labs–35.3†
AutomationBenchArtificial Analysis–1.4%
GDP.pdf (AA)Artificial Analysis–5.8%
EnterpriseOps-GymArtificial Analysis–26.3%
AA-Briefcase v1.1Artificial Analysis–763
Design Arena AgenticDesign Arena–1042†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.7%42.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%14.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub–93.3%
ProofBenchVals AI–11.0%
LiveBench MathematicsLiveBench–84.3%†
Arena MathsArena (LMArena)–1419†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–33.2%
LiveBench 1.0 Data AnalysisLiveBench–55.8%†
MMLU-ProVals AI–85.8%
LegalBenchVals AI–84.5%†
CorpFinVals AI–68.5%†
TaxEvalVals AI–70.8%†
CaseLaw v2Vals AI–79.3%†
Excel Modeling BenchmarkVals AI–18.4%
MedCodeVals AI–38.1%†
MedScribeVals AI–74.4%†
Public Benefits Bench v1.1Vals AI–51.7%
GDP.pdfEpoch AI Benchmarking Hub–8.0%
指令遵循
LiveBench LanguageLiveBench–73.6%†
LiveBench Instruction FollowingLiveBench–62.8%†
IFBenchArtificial Analysis–81.3%
Arena Instruction FollowingArena (LMArena)–1415†
人类偏好
Arena TextArena (LMArena)–1442†
EQ-Bench 4EQ-Bench–1065†
Arena Creative WritingArena (LMArena)–1422†
Arena Multi-turnArena (LMArena)–1448†
Arena Longer QueriesArena (LMArena)–1443†
多模态
Arena VisionArena (LMArena)–1229†
MMMU-ProArtificial Analysis–78.1%
MMMU-Pro (Vals)Vals AI–83.1%†
MortgageTaxVals AI–48.3%†
GeoBenchGeoBench–56.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–0.0%†
长上下文
AA-LCR v1.1Artificial Analysis–73.0%
MLCRArtificial Analysis–8.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub162.7†149.9†
LiveBench 1.0LiveBench–62.3%†
AA Intelligence Index v4.3.2Artificial Analysis–24.9
AA Progress Index v1Artificial Analysis–271.2
Vals Multimodal IndexVals AI–43.3%

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。

变化

  • Grok 4.3 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Grok 4.3 (high):BenchLeader Index 57.7 → 56.6。
  • Grok 4.3 (high):1 项新结果(AA Progress Index v1)。
  • Grok 4.3 (high):1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Grok 4.3 (high):1 项分数修订。
  • Grok 4.3 (high):4 项新结果(AutomationBench, GDP.pdf (AA), MLCR…)。

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

GPT-5.5 Pro vs Grok 4.3:常见问题

GPT-5.5 Pro 和 Grok 4.3 哪个更便宜?价格会变吗?
目前 Grok 4.3 更便宜:每百万 token $1.56 比 $67.50(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。
GPT-5.5 Pro 和 Grok 4.3 哪个更快?
Grok 4.3 输出更快(3 倍以上;输出 85 比 21 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1.1M token(GPT-5.5 Pro 为 1,050,000,Grok 4.3 为 1,000,000)。
哪个延迟更低?
GPT-5.5 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 6.0 秒比 17.7 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 GPT-5.5 Pro 和 Grok 4.3 的看法一致吗?
在两者都有结果的 6 项基准测试中,GPT-5.5 Pro 领先 6 项,Grok 4.3 领先 0 项。
更多问题(1)
GPT-5.5 Pro 是什么时候发布的?
GPT-5.5 Pro 于 2026年4月23日 发布。