GPT-6.1 Terra vs Grok 4.7
完整资料:GPT-6.1 Terra(OpenAI)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,质量上 GPT-6.1 Terra 领先 Grok 4.7(BenchLeader Index 64.1 比 57.4)。GPT-6.1 Terra 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。在两者都有成绩的所有类别中,GPT-6.1 Terra 均领先。
要点(截至 2026年11月16日)
- GPT-6.1 Terra 的 BenchLeader Index 为 64.1,Grok 4.7 为 57.4(BenchLeader,2026年11月16日)。
- GPT-6.1 Terra 每百万 token 混合价格为 $2.00(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)。
- 在两者都有结果的 52 项基准测试中,GPT-6.1 Terra 领先 38 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,GPT-6.1 Terra 的评分为 1678,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 | GPT-6.1 Terra | 类别得分 69 比 61;Arena WebDev 1678 比 1641 | 高 |
| 智能体与工具调用 | GPT-6.1 Terra | 类别得分 63 比 57;Terminal-Bench 53.3% 比 38.8% | 中 |
| 数学 | GPT-6.1 Terra | 类别得分 72 比 56;FrontierMath Tiers 1–3 90.9% 比 53.0% | 高 |
| 推理 | GPT-6.1 Terra | 类别得分 68 比 56;GPQA Diamond 94.3% 比 92.7% | 高 |
| 知识 | GPT-6.1 Terra | 类别得分 61 比 60;SimpleQA Verified 57.3% 比 56.0% | 中 |
| 长文档 | GPT-6.1 Terra | 类别得分 66 比 63;AA-LCR v1.1 82.7% 比 76.7% | 中 |
| 图像及其他媒体 | GPT-6.1 Terra | 类别得分 67 比 56;LiveBench Design 79.7% 比 75.0% | 高 |
| 对话质量(人类偏好) | – | 只有 Grok 4.7 有 Arena 评分(类别得分 63) | 无法比较 |
| 成本最低 | GPT-6.1 Terra | 每百万 token 混合价格 $2.00 比 $3.00;智能体编程会话 $0.080 比 $0.144 | – |
| 首次回答最快 | Grok 4.7 | 首个回答 token 55.9 秒(Grok 4.7 (xhigh))比 150.9 秒(GPT-6.1 Terra (max)) | – |
| 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 GPT-6.1 Terra (max) 领先:64.1 比 57.4。
- GPT-6.1 Terra (max) 在智能体与工具、编程、综合、知识、长上下文、数学、多模态、推理方面更强。
- GPT-6.1 Terra (max) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。
概览
| 规格 | GPT-6.1 Terra | Grok 4.7 |
|---|---|---|
| 提供商 | OpenAI | SpaceXAI |
| 发布日期 | 2026年10月26日 | 2026年9月21日 |
| 上下文窗口(token) | 1,050,000 | 500,000 |
| 对比时的配置 | GPT-6.1 Terra (max) | Grok 4.7 (xhigh) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $1.00 / $5.00 / $0.050 | $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 | GPT-6.1 Terra (max) | Grok 4.7 (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 68.4 | 55.6 | GPT-6.1 Terra |
| 编程 | 69.3 | 60.9 | GPT-6.1 Terra |
| 智能体与工具 | 63.4 | 56.9 | GPT-6.1 Terra |
| 数学 | 71.7 | 55.8 | GPT-6.1 Terra |
| 知识 | 61.4 | 59.9 | GPT-6.1 Terra |
| 人类偏好 | – | 62.5 | 无法比较 |
| 多模态 | 67.2 | 55.5 | GPT-6.1 Terra |
| 长上下文 | 66.0 | 62.9 | GPT-6.1 Terra |
| 综合 | 65.0 | 52.8 | GPT-6.1 Terra |
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):指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 52 项基准测试中,GPT-6.1 Terra 领先 38 项,Grok 4.7 领先 14 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。
| 综合 Index | GPT-6.1 Terra (max) | Grok 4.7 (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 64.1 | 57.4 | GPT-6.1 Terra |
| AA Intelligence Index v5.0.1 | 51.3 | 35.5 | GPT-6.1 Terra |
| Vals Index | 60.5 | 58.6 | GPT-6.1 Terra |
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-6.1 Terra (max) | Grok 4.7 (xhigh) |
|---|---|---|
| 每百万 token 混合价格 | $2.00 | $3.00 |
| 每百万 token 输入 / 输出 | $1.00 / $5.00 | $2.00 / $6.00 |
| 每百万 token 缓存输入 | $0.050 | $0.500 |
| 每项任务价格:聊天回复 | $0.0019 | $0.0026 |
| 每项任务价格:总结一份 30 页的报告 | $0.015 | $0.028 |
| 每项任务价格:代码编辑 | $0.013 | $0.021 |
| 每项任务价格:智能体编程会话 | $0.080 | $0.144 |
| 每项任务价格:结构化信息提取 | $0.0030 | $0.0052 |
| 智能体编程会话(输入大多命中缓存) | $0.037 | $0.076 |
| 每项基准测试任务成本(AA Index) | $0.961 | $7.77 |
| 每项任务输出 token(AA Index) | 60k | 105k |
| 其中推理部分 | 39k | 69k |
| 每项任务耗时(AA Index) | 14 min | 26 min |
| 输出速度 | 72 tok/s | 68 tok/s |
| 首次回答时间 | 150.9 秒 | 55.9 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 375.7 秒 | 145.5 秒 |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GPT-6.1 Terra (max) 上花费 $0.961,在 Grok 4.7 (xhigh) 上花费 $7.77;完成同样的工作,Grok 4.7 (xhigh) 输出的 token 是对方的 1.7 倍,这是只看 token 单价看不出来的。
每个模型都按其排名最高的推理强度设置进行对比。GPT-6.1 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(10 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 153 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-6.1 Terra (max) | Grok 4.7 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.1 | 57.4 |
| 智能体与工具得分 | BenchLeader | 63.4 | 56.9 |
| 编程得分 | BenchLeader | 69.3 | 60.9 |
| 综合得分 | BenchLeader | 65.0 | 52.8 |
| 知识得分 | BenchLeader | 61.4 | 59.9 |
| 长上下文得分 | BenchLeader | 66.0 | 62.9 |
| 数学得分 | BenchLeader | 71.7 | 55.8 |
| 多模态得分 | BenchLeader | 67.2 | 55.5 |
| 推理得分 | BenchLeader | 68.4 | 55.6 |
| 人类偏好得分 | BenchLeader | – | 62.5 |
| 混合价格(美元/百万 token) | BenchLeader | $2.00 | $3.00 |
| 输出速度 | BenchLeader | 72 tok/s | 68 tok/s |
| 首次回答时间 | BenchLeader | 150.9 秒 | 55.9 秒 |
| 上下文窗口 | BenchLeader | 1,050,000 token | 500,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.3% | 92.7% |
| SimpleBench | SimpleBench | 72.2%† | – |
| Arena Hard Prompts | Arena (LMArena) | – | 1466 |
| LiveBench 2.0 Reasoning | LiveBench | 88.7% | 82.7% |
| LiveBench 1.0 Reasoning | LiveBench | – | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 46.3% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | 47.3% | 23.2% |
| ARC-AGI-1 | ARC Prize | – | 89.5% |
| ARC-AGI-2 | ARC Prize | – | 61.4% |
| ARC-AGI-3 | ARC Prize | – | 7.0% |
| CritPt | Artificial Analysis | 28.0% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 68.0% | 33.5% |
| MysteryMechanism | Vals AI | – | 25.2% |
| HLE-Diamond (Scale) | Scale AI SEAL | 35.7%† | 23.4%† |
| Arena Expert | Arena (LMArena) | – | 1478 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 41.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 74.0% | 29.0% |
| LMCA | Epoch AI Benchmarking Hub | – | 49.4% |
| DTBench | Epoch AI Benchmarking Hub | – | 96.0% |
| 编程 | |||
| SciCode | SciCode | 55.1% | 57.4% |
| FrontierCode | Cognition | – | 47.6%† |
| Arena Coding | Arena (LMArena) | – | 1493 |
| Arena WebDev | Arena (LMArena) | 1678 | 1641 |
| LiveBench 2.0 Coding | LiveBench | 89.2% | 73.1% |
| LiveBench 1.0 Coding | LiveBench | – | 77.2% |
显示全部 153 项基准测试
| 指标 | 发布方 | GPT-6.1 Terra (max) | Grok 4.7 (xhigh) |
|---|---|---|---|
| 编程 | |||
| IOI | Vals AI | – | 57.7% |
| Code Migration | Vals AI | – | 44.8% |
| Code Migration v1.1 | Vals AI | – | 53.2% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 42.9% |
| Vibe Code Bench v1.1 | Vals AI | 84.0% | 86.2% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 26.4% |
| SWE Atlas v1.1 | Scale AI SEAL | 57.7%† | 62.1%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 54.0%† | 73.4%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 63.3%† | 64.4%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | 48.6%† |
| MirrorCode | Epoch AI Benchmarking Hub | 76.7% | 54.4% |
| CursorBench | Cursor | – | 46.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 2608.8 | 1545.8 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 29.5% |
| WeirdML v3 | WeirdML | 28.1%† | 8.4% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 55.6% | 25.8% |
| Startrise Frontend | Startrise | – | 75.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 81.2† | 63.6† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 85.8† | 71.2 |
| Design Arena Website | Design Arena | 1286† | 1244† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 36.0% | 33.8% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 42.3% | 28.7% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 53.3% | 38.8% |
| APEX-Agents | Mercor | 68.3% | 54.6%† |
| Arena Agent | Arena (LMArena) | 12 | 2.6 |
| LiveBench Long Agentic | LiveBench | 56.2% | 45.3% |
| LiveBench Browser | LiveBench | 93.1% | 49.3% |
| LiveBench Agentic Coding | LiveBench | – | 54.0% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 73.4% |
| HiL-Bench | Scale AI SEAL | 68.0%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 60.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1476 | 1717 |
| ITBench SRE (AA) | Artificial Analysis | – | 42.1% |
| Analyst Agent (AA) | Artificial Analysis | – | 52.5% |
| CyberBench | Vals AI | – | 69.5% |
| Finance Agent v2 | Vals AI | – | 52.3% |
| Finance Agent v2.1 | Vals AI | 56.0% | 60.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 1.7% | 18.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 12.5% |
| Legal Research Bench | Vals AI | 26.0% | 47.1% |
| Robo-bench | Vals AI | – | 0.2% |
| SREBench | Vals AI | – | 3.8% |
| Tax Agent Bench | Vals AI | 17.1% | 35.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 49.5% | 28.8% |
| Terminal-Bench Science | Vals AI | – | 10.0% |
| Arena Agent Task Completion | Arena (LMArena) | 9.7 | 5.1 |
| Vending-Bench 2 | Andon Labs | 9107.5† | 10536.8† |
| SpireClimb | Epoch AI Benchmarking Hub | 22.3% | – |
| AutomationBench | Artificial Analysis | 60.2% | 65.6% |
| GDP.pdf (AA) | Artificial Analysis | 28.6% | 20.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| AA-Briefcase v1.1 | Artificial Analysis | 1401 | 1636 |
| GDPx | GDPx by SemiAnalysis | 8.5% | 3.9% |
| Design Arena Agentic | Design Arena | 1192† | 1277† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 57.6% | 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 | 43.8% | 40.1% |
| FACTS Search | 92.7%† | 85.6%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 90.9% | 53.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 92.7% | 17.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 98.1% |
| ProofBench | Vals AI | – | 26.0%† |
| LiveBench Mathematics | LiveBench | – | 95.7% |
| Arena Maths | Arena (LMArena) | – | 1447 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 57.3% | 56.0% |
| LiveBench 2.0 Data Analysis | LiveBench | 82.3% | 76.9% |
| LiveBench Research | LiveBench | 79.1% | 89.5% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 76.9% |
| AA-Omniscience v1.1 | Artificial Analysis | 29.6 | 31.2 |
| LegalBench | Vals AI | – | 84.4% |
| PRBench Legal | Scale AI SEAL | – | 47.6% |
| BioMysteryBench | Vals AI | – | 69.3% |
| Excel Modeling Benchmark | Vals AI | – | 67.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 73.3% | 71.5% |
| MedCode | Vals AI | – | 49.5% |
| MedScribe | Vals AI | – | 89.4% |
| Public Benefits Bench v1.1 | Vals AI | – | 65.6% |
| Access to Justice Benchmark | Vals AI | – | 73.7% |
| Financial Coaching Bench | Vals AI | – | 74.1% |
| Immigration Bench | Vals AI | – | 68.0% |
| EBR-bench | Epoch AI Benchmarking Hub | 78.1% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 22.8% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 47.6% | 42.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 65.5% | 80.0% |
| HealthBench Professional (AA) | OpenAI | – | 55.8% |
| FACTS Parametric | 70.8%† | 54.3%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 80.1% |
| LiveBench Instruction Following | LiveBench | – | 75.3% |
| MultiChallenge | Scale AI SEAL | 74.2%† | – |
| Arena Instruction Following | Arena (LMArena) | – | 1435 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | – | 1443 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2012† |
| Arena Creative Writing | Arena (LMArena) | – | 1421 |
| Arena Multi-turn | Arena (LMArena) | – | 1435 |
| Arena Longer Queries | Arena (LMArena) | – | 1454 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1230 |
| LiveBench Design | LiveBench | 79.7% | 75.0% |
| MMMU-Pro | Artificial Analysis | 84.7% | 78.2%† |
| SAGE | Vals AI | – | 88.7% |
| GeoBench | GeoBench | – | 61.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 42.1%† | 32.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 79.2% | 20.8% |
| VIALS-AA | Handshake AI | 60.3% | 37.9% |
| Code2Video-AA | Artificial Analysis | – | 1127 |
| AA-3D | Artificial Analysis | – | 992 |
| FACTS Multimodal | 48.8%† | 40.9%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 82.7% | 76.7% |
| MLCR | Artificial Analysis | 30.6% | 20.0% |
| FACTS Grounding | 84.2%† | 68.6%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 167.7† | 156.2† |
| LiveBench 2.0 | LiveBench | 78.8% | 67.9% |
| LiveBench 1.0 | LiveBench | – | 77.4% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 51.3 | 35.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 48.1 | 46.5 |
| AA Progress Index v1 | Artificial Analysis | 345.2 | 322.7 |
| Vals Index | Vals AI | 60.5 | 58.6 |
| Vals Finance Index | Vals AI | 53.3% | 58.8% |
| Vals RSI Index | Vals AI | – | 20.2% |
| Vals Science Index | Vals AI | – | 34.8% |
| Vals Router Index | Vals AI | – | 58.6%† |
| Vals Legal Index | Vals AI | 58.8% | 72.7% |
| AA Cyber Index | Artificial Analysis | – | 56.4 |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 18.2%† | – |
| DistressBench | Scale AI SEAL | 65.9%† | 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。
- GPT-6.1 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Grok 4.7 (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
- GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
- GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
- GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
- Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
- Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
- GPT-6.1 Terra (max):1 项分数修订。
相关对比
- GPT-6.1 Terra vs Claude Fable 5.2
- GPT-6.1 Terra vs Gemini 4 Carbon
- GPT-6.1 Terra vs Claude Opus 5.5
- Grok 4.7 vs Claude Opus 5.5
- Grok 4.7 vs GPT-6 Astra
- Grok 4.7 vs Claude Fable 5.1
- Grok 4.7 vs GPT-6.1 Sol
- GPT-6.1 Terra vs Claude Fable 5.1
排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型
GPT-6.1 Terra vs Grok 4.7:常见问题
- GPT-6.1 Terra 比 Grok 4.7 更好吗?
- 质量上 GPT-6.1 Terra (max) 领先:64.1 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,GPT-6.1 Terra (max) 总体领先,但请结合你的用途查看各类别得分。
- GPT-6.1 Terra 和 Grok 4.7 哪个更便宜?价格会变吗?
- 目前 GPT-6.1 Terra 更便宜:每百万 token $2.00 比 $3.00(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 GPT-6.1 Terra 还是 Grok 4.7 更好?
- GPT-6.1 Terra 在编程方面得分更高(类别得分 69 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.1 Terra 为 1678,Grok 4.7 为 1641。
- GPT-6.1 Terra 和 Grok 4.7 哪个更快?
- GPT-6.1 Terra 输出更快(输出 72 比 68 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 GPT-6.1 Terra 还是 Grok 4.7 更好?
- GPT-6.1 Terra 在智能体任务方面得分更高(类别得分 63 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,GPT-6.1 Terra 为 53.3%,Grok 4.7 为 38.8%。
更多问题(4)
- 处理长文档哪个更好?
- GPT-6.1 Terra 在长上下文基准测试上得分更高(66 比 63)。GPT-6.1 Terra 支持更长的上下文:1,050,000 token,Grok 4.7 为 500,000 token。
- 哪个延迟更低?
- Grok 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 55.9 秒比 150.9 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-6.1 Terra 和 Grok 4.7 的看法一致吗?
- 在两者都有结果的 52 项基准测试中,GPT-6.1 Terra 领先 38 项,Grok 4.7 领先 14 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。
- GPT-6.1 Terra 是什么时候发布的?
- GPT-6.1 Terra 于 2026年10月26日 发布。