GPT-5 vs Grok 4.3
完整资料:GPT-5(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 10 个来源
截至 2026年11月16日,GPT-5 与 Grok 4.3 的质量不相上下(BenchLeader Index 59.0 比 56.5,在 ±8.6 的误差范围内)。Grok 4.3 更便宜,对方的价格是它的 2.2 倍(每百万 token 混合价格 $1.56 比 $3.44)。看重数学(65 比 46)、智能体与工具(58 比 45)和长上下文(70 比 61)选 GPT-5;看重推理(63 比 48)、指令遵循(79 比 69)和多模态(60 比 57)选 Grok 4.3。
要点(截至 2026年11月16日)
- GPT-5 的 BenchLeader Index 为 59.0,Grok 4.3 为 56.5(BenchLeader,2026年11月16日)。
- GPT-5 每百万 token 混合价格为 $3.44(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)。
- 在两者都有结果的 12 项基准测试中,Grok 4.3 领先 9 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 |
|---|---|---|---|
| 编程 | 均可 | 类别得分 57 比 58 | 均可 |
| 智能体与工具调用 | GPT-5 | 类别得分 58 比 45;Terminal-Bench Hard 37.9% 比 37.9% | 高 |
| 数学 | GPT-5 | 类别得分 65 比 46;OTIS Mock AIME 87.2% 比 93.3% | 高 |
| 推理 | Grok 4.3 | 类别得分 63 比 48;GPQA Diamond 88.8% 比 85.3% | 高 |
| 长文档 | GPT-5 | 类别得分 70 比 61;AA-LCR v1.1 76.0% 比 73.0% | 高 |
| 图像及其他媒体 | Grok 4.3 | 类别得分 60 比 57;MMMU-Pro 78.1% 比 74.3% | 中 |
| 指令遵循 | Grok 4.3 | 类别得分 79 比 69;IFBench 81.3% 比 70.6% | 高 |
| 成本最低 | Grok 4.3 | 每百万 token 混合价格 $1.56 比 $3.44;智能体编程会话 $0.085 比 $0.115 | – |
| 首次回答最快 | 均可 | 首个回答 token 22.9 秒(GPT-5 (medium))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
- GPT-5 (medium) 与 Grok 4.3 (high) 的质量不相上下(59.0 比 56.5,在 ±8.6 的误差范围内)。
- GPT-5 (medium) 在智能体与工具、长上下文、数学方面更强。
- Grok 4.3 (high) 在编程、指令遵循、多模态、推理方面更强。
- Grok 4.3 (high) 更便宜,对方的价格是它的 2.2 倍(每百万 token 混合价格 $1.56 比 $3.44)。
概览
| 规格 | GPT-5 | Grok 4.3 |
|---|---|---|
| 提供商 | OpenAI | SpaceXAI |
| 发布日期 | 2025年8月7日 | 2026年4月17日 |
| 上下文窗口(token) | 400,000 | 1,000,000 |
| 对比时的配置 | GPT-5 (medium) | Grok 4.3 (high) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $1.25 / $10.00 / $0.125 | $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 (medium) | Grok 4.3 (high) | 领先者 |
|---|---|---|---|
| 推理 | 47.9 | 63.3 | Grok 4.3 |
| 编程 | 57.4 | 57.8 | 持平 |
| 智能体与工具 | 58.1 | 44.8 | GPT-5 |
| 数学 | 65.4 | 46.3 | GPT-5 |
| 知识 | – | 50.3 | 无法比较 |
| 指令遵循 | 69.4 | 78.8 | Grok 4.3 |
| 多模态 | 56.6 | 60.4 | Grok 4.3 |
| 长上下文 | 70.4 | 61.0 | GPT-5 |
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。
未绘制(测得的模型少于两个):知识, 人类偏好。
各来源的分歧
在两者都有结果的 12 项基准测试中,GPT-5 领先 2 项,Grok 4.3 领先 9 项,1 项持平。所有同时评测两者的综合评分都认为 Grok 4.3 更强。
| 综合 Index | GPT-5 (medium) | Grok 4.3 (high) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 59.0 | 56.5 | 不相上下 |
| Arena Text | 1435† | 1442 | Grok 4.3 |
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 (medium) | Grok 4.3 (high) |
|---|---|---|
| 每百万 token 混合价格 | $3.44 | $1.56 |
| 每百万 token 输入 / 输出 | $1.25 / $10.00 | $1.25 / $2.50 |
| 每百万 token 缓存输入 | $0.125 | $0.200 |
| 每项任务价格:聊天回复 | $0.0035 | $0.0013 |
| 每项任务价格:总结一份 30 页的报告 | $0.021 | $0.017 |
| 每项任务价格:代码编辑 | $0.022 | $0.011 |
| 每项任务价格:智能体编程会话 | $0.115 | $0.085 |
| 每项任务价格:结构化信息提取 | $0.0045 | $0.0030 |
| 智能体编程会话(输入大多命中缓存) | $0.064 | $0.038 |
| 输出速度 | 82 tok/s | 85 tok/s |
| 首次回答时间 | 22.9 秒 | 17.7 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 66.2 秒 | 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 (medium) 得分 59.0,首个回答 token 需 23 秒;GPT-5 (high) 为 58.2(49 秒),GPT-5 为 56.6(5 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 147 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 (medium) | Grok 4.3 (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | 56.5 |
| 智能体与工具得分 | BenchLeader | 58.1 | 44.8 |
| 编程得分 | BenchLeader | 57.4 | 57.8 |
| 指令遵循得分 | BenchLeader | 69.4 | 78.8 |
| 长上下文得分 | BenchLeader | 70.4 | 61.0 |
| 数学得分 | BenchLeader | 65.4 | 46.3 |
| 多模态得分 | BenchLeader | 56.6 | 60.4 |
| 推理得分 | BenchLeader | 47.9 | 63.3 |
| 知识得分 | BenchLeader | – | 50.3 |
| 混合价格(美元/百万 token) | BenchLeader | $3.44 | $1.56 |
| 输出速度 | BenchLeader | 82 tok/s | 85 tok/s |
| 首次回答时间 | BenchLeader | 22.9 秒 | 17.7 秒 |
| 上下文窗口 | BenchLeader | 400,000 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 85.3% | 88.8% |
| Humanity's Last Exam | Scale AI / CAIS | 25.3%† | – |
| SimpleBench | SimpleBench | 56.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1449† | 1456† |
| LiveBench 1.0 Reasoning | LiveBench | – | 70.8%† |
| GPQA Diamond (AA) | Artificial Analysis | 84.2% | 90.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 25.4% | 37.2% |
| GPQA Diamond (Vals) | Vals AI | 85.6%† | 91.4%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.7%† | – |
| GPQA Diamond (HELM) | HELM Capabilities | 79.1%† | – |
| ARC-AGI-1 | ARC Prize | 56.2% | – |
| ARC-AGI-2 | ARC Prize | 7.5% | – |
| CritPt | Artificial Analysis | 0.0% | 8.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 11.5%† | – |
| Arena Expert | Arena (LMArena) | 1445† | 1454† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0% | 18.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 40.0%† | 38.3% |
| DTBench | Epoch AI Benchmarking Hub | 90.7%† | 90.7% |
| ForecastBench | ForecastBench | 65.0%† | 63.2%† |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 71.5% | – |
| SciCode | SciCode | 42.9%† | 48.3% |
| WeirdML | WeirdML | 39.8%† | 49.9%† |
| GSO-Bench | GSO-Bench | 6.9%† | – |
| Arena Coding | Arena (LMArena) | 1462† | 1487† |
显示全部 147 项基准测试
| 指标 | 发布方 | GPT-5 (medium) | Grok 4.3 (high) |
|---|---|---|---|
| 编程 | |||
| Arena WebDev | Arena (LMArena) | 1417 | 1357† |
| LiveBench 1.0 Coding | LiveBench | – | 69.9%† |
| SciCode (AA) | Artificial Analysis | – | 48.3% |
| LiveCodeBench | Vals AI | 85.9%† | 84.5% |
| SWE-bench (Vals) | Vals AI | 69.0%† | 71.4% |
| SWE-Bench Pro | Scale AI SEAL | 41.8%† | – |
| Aider Polyglot | Aider polyglot leaderboard | 86.7% | – |
| SWE-bench Verified (bash only) | SWE-bench | 65.0% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 74.4%† | – |
| Code Migration | Vals AI | – | 6.8% |
| ProgramBench | Vals AI | – | 0.0% |
| Vibe Code Bench v1.1 | Vals AI | 20.1%† | 19.4% |
| SWE-Bench Pro (private) | Scale AI SEAL | 14.9%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 4.4%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1162.5† | 944.2† |
| AlgoTune | AlgoTune | 1.7† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 0.0% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 35.2%† | 39.7% |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 38.0 | – |
| Design Arena Website | Design Arena | 1174† | 1186† |
| LiveCodeBench (AA) | Artificial Analysis | 70.3% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 49.6% | – |
| GDPval | OpenAI | 34.8% | – |
| Remote Labor Index | Scale AI / CAIS | 1.7%† | – |
| LiveBench Agentic Coding | LiveBench | – | 18.5%† |
| Terminal-Bench Hard | Artificial Analysis | 37.9% | 37.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.5% | 97.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 42.0% |
| GDPval-AA v2.1 | Artificial Analysis | 925† | 945 |
| τ³-Banking (AA) | Artificial Analysis | 22.1%† | 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 v2 | Vals AI | – | 37.7% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 0.4% |
| Legal Research Bench | Vals AI | – | 15.4% |
| Poker Agent | Vals AI | 1103.2%† | – |
| SkillsBench | Vals AI | – | 40.6% |
| Tax Agent Bench | Vals AI | – | 6.2% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 37.1%† | 43.5%† |
| Arena Search | Arena (LMArena) | 1189† | 1194† |
| BALROG | BALROG | 32.8%† | – |
| DeepResearch Bench | DeepResearch Bench | 48.6% | – |
| METR Time Horizons | METR | 69.6% | – |
| Vending-Bench 2 | Andon Labs | – | 35.3† |
| AutomationBench | Artificial Analysis | – | 1.4% |
| GDP.pdf (AA) | Artificial Analysis | – | 5.8% |
| EnterpriseOps-Gym | Artificial Analysis | – | 26.3% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 763 |
| Design Arena Agentic | Design Arena | – | 1042† |
| BrowseComp-Plus | BrowseComp-Plus | 57.6%† | – |
| BrowseComp | OpenAI | 20.1%† | – |
| DeepSearchQA | 59.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 55.4%† | 42.8% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 14.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 87.2% | 93.3% |
| MATH Level 5 | Epoch AI Benchmarking Hub | 97.9% | – |
| ProofBench | Vals AI | 18.0%† | 11.0% |
| LiveBench Mathematics | LiveBench | – | 84.3%† |
| AIME (Vals) | Vals AI | 93.4%† | – |
| MGSM | Vals AI | 92.8%† | – |
| IMO 2025 | MathArena | 38.1%† | – |
| MathArena Apex | MathArena | 1.0%† | – |
| Omni-MATH (HELM) | HELM Capabilities | 64.7%† | – |
| MATH 500 | Vals AI | 96.0%† | – |
| Arena Maths | Arena (LMArena) | 1411† | 1419† |
| AIME 2025 (AA) | Artificial Analysis | 91.7% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 50.1%† | 33.2% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 55.8%† |
| MMLU-Pro | Vals AI | 86.5%† | 85.8% |
| LegalBench | Vals AI | 86.0%† | 84.5%† |
| CorpFin | Vals AI | 61.1%† | 68.5%† |
| TaxEval | Vals AI | 73.4%† | 70.8%† |
| MedQA | Vals AI | 96.3%† | – |
| PRBench Finance | Scale AI SEAL | 51.3%† | – |
| PRBench Legal | Scale AI SEAL | 49.0%† | – |
| MultiNRC | Scale AI SEAL | 52.1%† | – |
| MMLU-Pro (HELM) | HELM Capabilities | 86.3%† | – |
| CaseLaw v2 | Vals AI | 66.5%† | 79.3%† |
| Excel Modeling Benchmark | Vals AI | – | 18.4% |
| MedCode | Vals AI | 49.6%† | 38.1%† |
| MedScribe | Vals AI | 83.7%† | 74.4%† |
| Public Benefits Bench v1.1 | Vals AI | – | 51.7% |
| EBR-bench | Epoch AI Benchmarking Hub | 12.7%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 8.0% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.4% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 73.6%† |
| LiveBench Instruction Following | LiveBench | – | 62.8%† |
| IFBench | Artificial Analysis | 70.6% | 81.3% |
| MultiChallenge | Scale AI SEAL | 63.2%† | – |
| TutorBench | Scale AI SEAL | 55.3%† | – |
| IFEval (HELM) | HELM Capabilities | 87.5%† | – |
| WildBench (HELM) | HELM Capabilities | 85.7%† | – |
| Arena Instruction Following | Arena (LMArena) | 1415† | 1415† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1427† | 1442† |
| EQ-Bench 4 | EQ-Bench | – | 1065† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1626† | – |
| Arena Creative Writing | Arena (LMArena) | 1389† | 1422† |
| Arena Multi-turn | Arena (LMArena) | 1449† | 1448† |
| Arena Longer Queries | Arena (LMArena) | 1435† | 1443† |
| Lech Mazur Creative Writing | Lech Mazur | 86.0% | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1232† | 1229† |
| MMMU-Pro | Artificial Analysis | 74.3% | 78.1% |
| VISTA | Scale AI SEAL | 49.7%† | – |
| MMMU-Pro (Vals) | Vals AI | 81.5%† | 83.1%† |
| MortgageTax | Vals AI | 65.5%† | 48.3%† |
| VTB | Scale AI SEAL | 17.0%† | – |
| GeoBench | GeoBench | 81.0% | 56.0%† |
| VPCT | Epoch AI Benchmarking Hub | 63.2% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 0.0%† |
| 长上下文 | |||
| Fiction.LiveBench 120k | Fiction.live | 96.9% | – |
| AA-LCR v1.1 | Artificial Analysis | 76.0% | 73.0% |
| MLCR | Artificial Analysis | – | 8.3% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 150† | 149.9† |
| LiveBench 1.0 | LiveBench | – | 62.3%† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.9 | 24.9 |
| AA Progress Index v1 | Artificial Analysis | 264.4 | 271.2 |
| HELM Capabilities mean | HELM Capabilities | 80.7%† | – |
| Vals Multimodal Index | Vals AI | – | 43.3% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 17.0%† | – |
| MASK | Scale AI SEAL | 79.3%† | – |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 5.6 | – |
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
- GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
- GPT-5 (medium):1 项新结果(Aider Polyglot)。
- GPT-5 (medium):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA));1 项分数修订。
- Grok 4.3 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- GPT-5 (medium):1 项分数修订。
- GPT-5 (medium):1 项分数修订。
- GPT-5 (medium):1 项分数修订。
- Grok 4.3 (high):BenchLeader Index 57.7 → 56.6。
- GPT-5 (medium):1 项新结果(AA Progress Index v1)。
- Grok 4.3 (high):1 项新结果(AA Progress Index v1)。
相关对比
- GPT-5 vs Claude Opus 5.5
- Grok 4.3 vs GPT-6 Astra
- Grok 4.3 vs o3
- GPT-5 vs GPT-5.4
- GPT-5 vs Claude Opus 4.6
- GPT-5 vs Muse Spark 1.3
- GPT-5 vs Claude Opus 4.8
- GPT-5 vs Grok 4.6
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 vs Grok 4.3:常见问题
- GPT-5 比 Grok 4.3 更好吗?
- GPT-5 (medium) 与 Grok 4.3 (high) 的质量不相上下(59.0 比 56.5,在 ±8.6 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。
- GPT-5 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 $3.44(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 GPT-5 还是 Grok 4.3 更好?
- 两者在编程方面持平(类别得分 57 比 58)。
- GPT-5 和 Grok 4.3 哪个更快?
- Grok 4.3 输出更快(输出 85 比 82 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 GPT-5 还是 Grok 4.3 更好?
- GPT-5 在智能体任务方面得分更高(类别得分 58 比 45,50 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 Hard 上,GPT-5 为 37.9%,Grok 4.3 为 37.9%。
更多问题(4)
- 处理长文档哪个更好?
- GPT-5 在长上下文基准测试上得分更高(70 比 61)。Grok 4.3 支持更长的上下文:1,000,000 token,GPT-5 为 400,000 token。
- 哪个延迟更低?
- Grok 4.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 17.7 秒比 22.9 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 GPT-5 和 Grok 4.3 的看法一致吗?
- 在两者都有结果的 12 项基准测试中,GPT-5 领先 2 项,Grok 4.3 领先 9 项,1 项持平。所有同时评测两者的综合评分都认为 Grok 4.3 更强。
- Grok 4.3 是什么时候发布的?
- Grok 4.3 于 2026年4月17日 发布。