BenchLeader

GPT-6 Astra vs Grok 4.7

完整资料:GPT-6 Astra(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 14 个来源

截至 2026年11月16日,质量上 GPT-6 Astra 领先 Grok 4.7(BenchLeader Index 67.3 比 57.4)。不过,Grok 4.7 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $3.00 比 $20.00)。在两者都有成绩的所有类别中,GPT-6 Astra 均领先。Grok 4.7 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GPT-6 Astra 的 BenchLeader Index 为 67.3,Grok 4.7 为 57.4(BenchLeader,2026年11月16日)。
  • GPT-6 Astra 每百万 token 混合价格为 $20.00(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 GPT-6 Astra 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 108 项基准测试中,GPT-6 Astra 领先 86 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6 Astra 的评分为 1764,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 Astra类别得分 73 比 61;Arena WebDev 1764 比 1641高
智能体与工具调用GPT-6 Astra类别得分 64 比 57;Terminal-Bench 60.3% 比 38.8%中
数学GPT-6 Astra类别得分 71 比 56;FrontierMath Tiers 1–3 93.7% 比 53.0%高
推理GPT-6 Astra类别得分 72 比 56;GPQA Diamond 95.8% 比 92.7%高
知识GPT-6 Astra类别得分 72 比 60;SimpleQA Verified 75.6% 比 56.0%高
长文档GPT-6 Astra类别得分 65 比 63;AA-LCR v1.1 80.7% 比 76.7%中
图像及其他媒体GPT-6 Astra类别得分 66 比 56;Arena Vision 1279 比 1230高
对话质量(人类偏好)GPT-6 AstraArena 投票 66 比 63中
成本最低Grok 4.7每百万 token 混合价格 $3.00 比 $20.00;智能体编程会话 $0.144 比 $0.800–
首次回答最快Grok 4.7首个回答 token 55.9 秒(Grok 4.7 (xhigh))比 198.4 秒(GPT-6 Astra (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 Astra (max) 领先:67.3 比 57.4。
  • GPT-6 Astra (max) 在智能体与工具、编程、综合、人类偏好、知识、长上下文、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 6.7 倍(每百万 token 混合价格 $3.00 比 $20.00)。
  • Grok 4.7 (xhigh) 的输出速度是对方的 1.6 倍(68 比 41 token/秒)。

概览

规格GPT-6 AstraGrok 4.7
提供商OpenAISpaceXAI
发布日期2026年9月2日2026年9月21日
上下文窗口(token)1,050,000500,000
对比时的配置GPT-6 Astra (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)$10.00 / $50.00 / $1.00$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 Astra (max)Grok 4.7 (xhigh)领先者
推理72.455.6GPT-6 Astra
编程73.260.9GPT-6 Astra
智能体与工具63.956.9GPT-6 Astra
数学70.855.8GPT-6 Astra
知识72.359.9GPT-6 Astra
人类偏好66.262.5GPT-6 Astra
多模态65.655.5GPT-6 Astra
长上下文65.062.9GPT-6 Astra
综合71.352.8GPT-6 Astra

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长上下文多模态人类偏好GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6GPT-6 Astra, 人类偏好: 66.2Grok 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, 知识: 59.9Grok 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):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 108 项基准测试中,GPT-6 Astra 领先 86 项,Grok 4.7 领先 22 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。

综合 IndexGPT-6 Astra (max)Grok 4.7 (xhigh)领先者
BenchLeader Index67.357.4GPT-6 Astra
AA Intelligence Index v5.0.156.935.5GPT-6 Astra
Vals Index65.058.6GPT-6 Astra
Arena Text14741443GPT-6 Astra

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 Astra (max)Grok 4.7 (xhigh)
每百万 token 混合价格$20.00$3.00
每百万 token 输入 / 输出$10.00 / $50.00$2.00 / $6.00
每百万 token 缓存输入$1.00$0.500
每项任务价格:聊天回复$0.019$0.0026
每项任务价格:总结一份 30 页的报告$0.150$0.028
每项任务价格:代码编辑$0.135$0.021
每项任务价格:智能体编程会话$0.800$0.144
每项任务价格:结构化信息提取$0.030$0.0052
智能体编程会话(输入大多命中缓存)$0.395$0.076
每项基准测试任务成本(AA Index)$6.24$7.77
每项任务输出 token(AA Index)52k105k
其中推理部分36k69k
每项任务耗时(AA Index)21 min26 min
输出速度41 tok/s68 tok/s
首次回答时间198.4 秒55.9 秒
完整回答耗时(最近一次测量 2026年11月13日)533.7 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 Astra (max) 上花费 $6.24,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 2.0 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 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 178 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 Astra (max)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader67.357.4
智能体与工具得分BenchLeader63.956.9
编程得分BenchLeader73.260.9
综合得分BenchLeader71.352.8
人类偏好得分BenchLeader66.262.5
知识得分BenchLeader72.359.9
长上下文得分BenchLeader65.062.9
数学得分BenchLeader70.855.8
多模态得分BenchLeader65.655.5
推理得分BenchLeader72.455.6
混合价格(美元/百万 token)BenchLeader$20.00$3.00
输出速度BenchLeader41 tok/s68 tok/s
首次回答时间BenchLeader198.4 秒55.9 秒
上下文窗口BenchLeader1,050,000 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.8%92.7%
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)15001466
LiveBench 2.0 ReasoningLiveBench92.7%82.7%
LiveBench 1.0 ReasoningLiveBench92.7%82.7%
GPQA Diamond (AA)Artificial Analysis96.1%–
Humanity's Last Exam (AA)Artificial Analysis54.7%43.1%
HLE-Diamond (AA)Artificial Analysis63.8%23.2%
ARC-AGI-1ARC Prize97.5%89.5%
ARC-AGI-2ARC Prize95.0%61.4%
ARC-AGI-3ARC Prize98.6%7.0%
CritPtArtificial Analysis31.7%17.7%
CritPt v2 hard subset (AA)Artificial Analysis70.5%33.5%
MysteryMechanismVals AI53.1%25.2%
HLE-Diamond (Scale)Scale AI SEAL60.6%†23.4%†
Arena ExpertArena (LMArena)15171478
Chess PuzzlesEpoch AI Benchmarking Hub74.0%41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%29.0%
LMCAEpoch AI Benchmarking Hub64.1%†49.4%
DTBenchEpoch AI Benchmarking Hub97.1%†96.0%
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
编程
SciCodeSciCode56.5%57.4%
WeirdMLWeirdML93.3%–
显示全部 178 项基准测试
指标发布方GPT-6 Astra (max)Grok 4.7 (xhigh)
编程
FrontierCodeCognition53.3%47.6%†
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481493
Arena WebDevArena (LMArena)17641641
LiveBench 2.0 CodingLiveBench87.5%73.1%
LiveBench 1.0 CodingLiveBench80.4%77.2%
IOIVals AI100.0%57.7%
Code MigrationVals AI67.7%44.8%
Code Migration v1.1Vals AI80.6%53.2%
ProgramBenchVals AI5.5%0.5%
SWE-bench MultimodalVals AI43.3%42.9%
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†48.6%†
SWE-Bench Pro V2Scale AI SEAL96.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub60.0%54.4%
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub2951.31545.8
FrontierSWEEpoch AI Benchmarking Hub65.5%29.5%
WeirdML v3WeirdML42.2%†8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise79.9%†75.9%†
GameBench 2 OverallDuelLab GameBench 288.8†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 294.3†71.2
Design Arena WebsiteDesign Arena13381244†
FrontierCode 1.1 (AA)Artificial Analysis47.0%33.8%
FrontierCode 2.0 (AA)Artificial Analysis42.4%28.7%
智能体与工具
Terminal-BenchTerminal-Bench60.3%38.8%
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†54.6%†
Arena AgentArena (LMArena)14.52.6
LiveBench Long AgenticLiveBench75.6%45.3%
LiveBench BrowserLiveBench91.3%49.3%
LiveBench Agentic CodingLiveBench57.3%54.0%
Terminal-Bench 2.1 (Vals)Vals AI87.3%73.4%
HiL-BenchScale AI SEAL65.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%60.7%
GDPval-AA v2.1Artificial Analysis15871717
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%42.1%
Analyst Agent (AA)Artificial Analysis51.3%52.5%
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%69.5%
Finance Agent v2Vals AI53.5%52.3%
Finance Agent v2.1Vals AI60.4%60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%18.3%
Harvey's Legal Agent Benchmark v1Vals AI5.4%12.5%
Legal Research BenchVals AI39.4%47.1%
Robo-benchVals AI23.3%0.2%
SREBenchVals AI56.9%3.8%
Tax Agent BenchVals AI20.7%35.8%
Terminal-Bench 4.0 (Vals)Vals AI59.6%28.8%
Terminal-Bench ScienceVals AI62.9%10.0%
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)1245–
Arena Agent Task CompletionArena (LMArena)145.1
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†10536.8†
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%65.6%
GDP.pdf (AA)Artificial Analysis31.0%20.0%
Harvey LAB-AA v1.1Harvey8.6%9.4%
AA-Briefcase v1.1Artificial Analysis15691636
GDPxGDPx by SemiAnalysis9.6%3.9%
Design Arena AgenticDesign Arena14051277†
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%11.4%
CWE-Bench (AA)Artificial Analysis63.3%68.3%
DeepSec-Bench (AA)Artificial Analysis36.9%26.9%
CyberGym end-to-end (AA)Artificial Analysis0.0%74.0%
MKA (AA)Artificial Analysis50.2%40.1%
FACTS SearchGoogle93.3%†85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.1%
ProofBenchVals AI99.0%†26.0%†
LiveBench MathematicsLiveBench96.8%95.7%
Arena MathsArena (LMArena)14811447
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%56.0%
LiveBench 2.0 Data AnalysisLiveBench83.0%76.9%
LiveBench ResearchLiveBench90.6%89.5%
LiveBench 1.0 Data AnalysisLiveBench83.0%76.9%
AA-Omniscience v1.1Artificial Analysis42.431.2
LegalBenchVals AI–84.4%
PRBench FinanceScale AI SEAL47.5%†–
PRBench LegalScale AI SEAL48.4%†47.6%
BioMysteryBenchVals AI79.3%69.3%
Excel Modeling BenchmarkVals AI71.7%67.0%
Excel Modeling Benchmark v1.1Vals AI72.7%71.5%
MedCodeVals AI48.5%49.5%
MedScribeVals AI87.9%89.4%
Public Benefits Bench v1.1Vals AI–65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI67.5%74.1%
Immigration BenchVals AI67.7%68.0%
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%80.0%
HealthBench Professional (AA)OpenAI66.0%55.8%
FACTS ParametricGoogle83.8%†54.3%†
指令遵循
LiveBench LanguageLiveBench89.4%80.1%
LiveBench Instruction FollowingLiveBench75.6%75.3%
Arena Instruction FollowingArena (LMArena)14741435
人类偏好
Arena TextArena (LMArena)14741443
EQ-Bench Creative Writing v3EQ-Bench2177†2012†
Arena Creative WritingArena (LMArena)14511421
Arena Multi-turnArena (LMArena)14831435
Arena Longer QueriesArena (LMArena)14851454
多模态
Arena VisionArena (LMArena)12791230
LiveBench DesignLiveBench80.0%75.0%
MMMU-ProArtificial Analysis86.9%78.2%†
SAGEVals AI–88.7%
Humanity's Sixth SenseScale AI SEAL53.6%–
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub80.0%20.8%
VIALS-AAHandshake AI62.7%37.9%
Code2Video-AAArtificial Analysis14271127
AA-3DArtificial Analysis1168992
FACTS MultimodalGoogle55.2%†40.9%†
长上下文
AA-LCR v1.1Artificial Analysis80.7%76.7%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%20.0%
FACTS GroundingGoogle80.1%†68.6%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†156.2†
LiveBench 2.0LiveBench84.5%67.9%
LiveBench 1.0LiveBench82.2%77.4%
AA Intelligence Index v5.0.1Artificial Analysis56.935.5
AA Intelligence Index v4.3.2Artificial Analysis52.746.5
AA Progress Index v1Artificial Analysis349.6322.7
Vals IndexVals AI65.058.6
Vals Finance IndexVals AI55.6%58.8%
Vals RSI IndexVals AI27.1%20.2%
Vals Science IndexVals AI65.1%34.8%
Vals Router IndexVals AI65.0%†58.6%†
Vals Legal IndexVals AI68.4%72.7%
AA Cyber IndexArtificial Analysis33.456.4
安全与诚实
FORTRESSScale AI SEAL12.1%†–
DistressBenchScale AI SEAL74.3%†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 Astra (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 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。

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 Astra vs Grok 4.7:常见问题

GPT-6 Astra 比 Grok 4.7 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 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 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6 Astra 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 $20.00(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 Astra 还是 Grok 4.7 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 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 Astra 为 1764,Grok 4.7 为 1641。
GPT-6 Astra 和 Grok 4.7 哪个更快?
Grok 4.7 输出更快(约 1.5 倍;输出 68 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Astra 还是 Grok 4.7 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 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 Astra 为 60.3%,Grok 4.7 为 38.8%。
更多问题(4)
处理长文档哪个更好?
GPT-6 Astra 在长上下文基准测试上得分更高(65 比 63)。GPT-6 Astra 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 198.4 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 Astra 和 Grok 4.7 的看法一致吗?
在两者都有结果的 108 项基准测试中,GPT-6 Astra 领先 86 项,Grok 4.7 领先 22 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 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。