Grok 4.3 vs o3
完整资料:Grok 4.3(SpaceXAI)和 o3(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 16 个来源
截至 2026年11月16日,Grok 4.3 与 o3 的质量不相上下(BenchLeader Index 56.5 比 60.4,在 ±7.4 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 $3.50)。看重指令遵循(79 比 65)、多模态(60 比 53)和推理(63 比 61)选 Grok 4.3;看重智能体与工具(70 比 45)、数学(71 比 46)和知识(56 比 50)选 o3。o3 的首次回答更快(5.2 秒 比 17.7 秒)。o3 的输出更快(约 1.5 倍)。
要点(截至 2026年11月16日)
- Grok 4.3 的 BenchLeader Index 为 56.5,o3 为 60.4(BenchLeader,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)。
- o3 每百万 token 混合价格为 $3.50(标价,2026年11月16日)。
- o3 比 Grok 4.3 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 9 项基准测试中,Grok 4.3 领先 8 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 | o3 | 类别得分 60 比 58 | 中 |
| 智能体与工具调用 | o3 | 类别得分 70 比 45;Terminal-Bench Hard 37.1% 比 37.9% | 高 |
| 数学 | o3 | 类别得分 71 比 46 | 高 |
| 推理 | Grok 4.3 | 类别得分 63 比 61;GPQA Diamond (AA) 90.1% 比 82.7% | 中 |
| 知识 | o3 | 类别得分 56 比 50 | 中 |
| 长文档 | 均可 | 类别得分 61 比 62;AA-LCR v1.1 73.0% 比 74.7% | 均可 |
| 图像及其他媒体 | Grok 4.3 | 类别得分 60 比 53;MMMU-Pro 78.1% 比 70.1% | 高 |
| 指令遵循 | Grok 4.3 | 类别得分 79 比 65;IFBench 81.3% 比 71.4% | 高 |
| 对话质量(人类偏好) | – | 只有 o3 有 Arena 评分(类别得分 61) | 无法比较 |
| 成本最低 | Grok 4.3 | 每百万 token 混合价格 $1.56 比 $3.50;智能体编程会话 $0.085 比 $0.152 | – |
| 首次回答最快 | o3 | 首个回答 token 5.2 秒(o3)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
- Grok 4.3 (high) 与 o3 的质量不相上下(56.5 比 60.4,在 ±7.4 的误差范围内)。
- Grok 4.3 (high) 在指令遵循、多模态、推理方面更强。
- o3 在智能体与工具、编程、知识、长上下文、数学方面更强。
- 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 $3.50)。
- o3 的输出速度是对方的 1.5 倍(131 比 85 token/秒)。
概览
| 规格 | Grok 4.3 | o3 |
|---|---|---|
| 提供商 | SpaceXAI | OpenAI |
| 发布日期 | 2026年4月17日 | 2025年4月16日 |
| 上下文窗口(token) | 1,000,000 | 200,000 |
| 对比时的配置 | Grok 4.3 (high) | o3 |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $1.25 / $2.50 / $0.200 | $2.00 / $8.00 / $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 | Grok 4.3 (high) | o3 | 领先者 |
|---|---|---|---|
| 推理 | 63.3 | 60.9 | Grok 4.3 |
| 编程 | 57.8 | 59.8 | o3 |
| 智能体与工具 | 44.8 | 70.3 | o3 |
| 数学 | 46.3 | 70.6 | o3 |
| 知识 | 50.3 | 56.2 | o3 |
| 指令遵循 | 78.8 | 65.2 | Grok 4.3 |
| 人类偏好 | – | 61.0 | 无法比较 |
| 多模态 | 60.4 | 52.8 | Grok 4.3 |
| 长上下文 | 61.0 | 61.9 | 持平 |
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):人类偏好。
各来源的分歧
在两者都有结果的 9 项基准测试中,Grok 4.3 领先 8 项,o3 领先 1 项。所有同时评测两者的综合评分都认为 Grok 4.3 更强。
| 综合 Index | Grok 4.3 (high) | o3 | 领先者 |
|---|---|---|---|
| BenchLeader Index | 56.5 | 60.4 | 不相上下 |
| Arena Text | 1442† | 1432 | 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 | Grok 4.3 (high) | o3 |
|---|---|---|
| 每百万 token 混合价格 | $1.56 | $3.50 |
| 每百万 token 输入 / 输出 | $1.25 / $2.50 | $2.00 / $8.00 |
| 每百万 token 缓存输入 | $0.200 | $0.500 |
| 每项任务价格:聊天回复 | $0.0013 | $0.0032 |
| 每项任务价格:总结一份 30 页的报告 | $0.017 | $0.029 |
| 每项任务价格:代码编辑 | $0.011 | $0.024 |
| 每项任务价格:智能体编程会话 | $0.085 | $0.152 |
| 每项任务价格:结构化信息提取 | $0.0030 | $0.0056 |
| 智能体编程会话(输入大多命中缓存) | $0.038 | $0.085 |
| 输出速度 | 85 tok/s | 131 tok/s |
| 首次回答时间 | 17.7 秒 | 5.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 46.5 秒 | 17.3 秒 |
每个模型都按其排名最高的推理强度设置进行对比。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)。o3 得分 60.4,首个回答 token 需 5 秒;o3 (high) 为 55.1(5 秒),o3 (medium) 为 53.3(5 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 138 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 | Grok 4.3 (high) | o3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 56.5 | 60.4 |
| 智能体与工具得分 | BenchLeader | 44.8 | 70.3 |
| 编程得分 | BenchLeader | 57.8 | 59.8 |
| 指令遵循得分 | BenchLeader | 78.8 | 65.2 |
| 知识得分 | BenchLeader | 50.3 | 56.2 |
| 长上下文得分 | BenchLeader | 61.0 | 61.9 |
| 数学得分 | BenchLeader | 46.3 | 70.6 |
| 多模态得分 | BenchLeader | 60.4 | 52.8 |
| 推理得分 | BenchLeader | 63.3 | 60.9 |
| 人类偏好得分 | BenchLeader | – | 61.0 |
| 混合价格(美元/百万 token) | BenchLeader | $1.56 | $3.50 |
| 输出速度 | BenchLeader | 85 tok/s | 131 tok/s |
| 首次回答时间 | BenchLeader | 17.7 秒 | 5.2 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 200,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 88.8% | 81.8%† |
| Humanity's Last Exam | Scale AI / CAIS | – | 20.3%† |
| SimpleBench | SimpleBench | – | 53.1%† |
| Arena Hard Prompts | Arena (LMArena) | 1456† | 1441 |
| LiveBench 1.0 Reasoning | LiveBench | 70.8%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 90.1% | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.2% | 20.1% |
| GPQA Diamond (Vals) | Vals AI | 91.4%† | 84.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 75.3% |
| ARC-AGI-1 | ARC Prize | – | 60.8%† |
| ARC-AGI-2 | ARC Prize | – | 6.5%† |
| CritPt | Artificial Analysis | 8.0% | 1.1% |
| SciPredict | Scale AI SEAL | – | 17.9% |
| Arena Expert | Arena (LMArena) | 1454† | 1448 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 18.0% | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 29.0%† |
| CL-bench | Epoch AI Benchmarking Hub | – | 17.8%† |
| LMCA | Epoch AI Benchmarking Hub | 38.3% | 39.7%† |
| DTBench | Epoch AI Benchmarking Hub | 90.7% | 84.8%† |
| ForecastBench | ForecastBench | 63.2%† | 64.3% |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 62.3%† |
| SciCode | SciCode | 48.3% | – |
| WeirdML | WeirdML | 49.9%† | 52.4%† |
| GSO-Bench | GSO-Bench | – | 8.8%† |
显示全部 138 项基准测试
| 指标 | 发布方 | Grok 4.3 (high) | o3 |
|---|---|---|---|
| 编程 | |||
| Arena Coding | Arena (LMArena) | 1487† | 1460 |
| Arena WebDev | Arena (LMArena) | 1357† | – |
| LiveBench 1.0 Coding | LiveBench | 69.9%† | – |
| LiveCodeBench | Vals AI | 84.5% | 83.9%† |
| SWE-bench (Vals) | Vals AI | 71.4% | – |
| Aider Polyglot | Aider polyglot leaderboard | – | 76.9% |
| SWE-bench Verified (bash only) | SWE-bench | – | 58.4% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 58.4% |
| Code Migration | Vals AI | 6.8% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 19.4% | – |
| CadEval | Epoch AI Benchmarking Hub | – | 74.0%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 944.2† | 933.5† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.0% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 39.7% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 34.1 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 30.4† |
| Design Arena Website | Design Arena | 1186† | 1028 |
| LiveCodeBench (AA) | Artificial Analysis | – | 80.8% |
| 智能体与工具 | |||
| GDPval | OpenAI | – | 30.8%† |
| LiveBench Agentic Coding | LiveBench | 18.5%† | – |
| Terminal-Bench Hard | Artificial Analysis | 37.9% | 37.1% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 97.7% | 80.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 42.0% | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| GDPval-AA v2.1 | Artificial 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 v2 | Vals AI | 37.7% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.4% | – |
| Legal Research Bench | Vals AI | 15.4% | – |
| SkillsBench | Vals AI | 40.6% | – |
| Tax Agent Bench | Vals AI | 6.2% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 43.5%† | – |
| Arena Search | Arena (LMArena) | 1194† | 1197 |
| DeepResearch Bench | DeepResearch Bench | – | 45.2%† |
| METR Time Horizons | METR | – | 63.6% |
| 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 | – | 50.5% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 42.8% | 33.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 14.6% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 93.3% | 83.9%† |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.8%† |
| ProofBench | Vals AI | 11.0% | – |
| LiveBench Mathematics | LiveBench | 84.3%† | – |
| AIME (Vals) | Vals AI | – | 85.3%† |
| MGSM | Vals AI | – | 91.8%† |
| IMO 2025 | MathArena | – | 16.7%† |
| Omni-MATH (HELM) | HELM Capabilities | – | 71.4% |
| MATH 500 | Vals AI | – | 94.6%† |
| Arena Maths | Arena (LMArena) | 1419† | 1448 |
| AIME 2025 (AA) | Artificial Analysis | – | 88.3% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 33.2% | 49.4%† |
| LiveBench 1.0 Data Analysis | LiveBench | 55.8%† | – |
| MMLU-Pro | Vals AI | 85.8% | 85.6%† |
| LegalBench | Vals AI | 84.5%† | 83.8%† |
| CorpFin | Vals AI | 68.5%† | 59.7%† |
| TaxEval | Vals AI | 70.8%† | 74.6%† |
| MedQA | Vals AI | – | 96.1%† |
| PRBench Finance | Scale AI SEAL | – | 47.7% |
| PRBench Legal | Scale AI SEAL | – | 48.6% |
| MultiNRC | Scale AI SEAL | – | 45.5%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.9% |
| CaseLaw v2 | Vals AI | 79.3%† | – |
| Excel Modeling Benchmark | Vals AI | 18.4% | – |
| MedCode | Vals AI | 38.1%† | 47.3%† |
| MedScribe | Vals AI | 74.4%† | 76.7%† |
| Public Benefits Bench v1.1 | Vals AI | 51.7% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 8.0% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 73.6%† | – |
| LiveBench Instruction Following | LiveBench | 62.8%† | – |
| IFBench | Artificial Analysis | 81.3% | 71.4% |
| MultiChallenge | Scale AI SEAL | – | 56.6%† |
| TutorBench | Scale AI SEAL | – | 52.1%† |
| IFEval (HELM) | HELM Capabilities | – | 86.9% |
| WildBench (HELM) | HELM Capabilities | – | 86.1% |
| Arena Instruction Following | Arena (LMArena) | 1415† | 1403 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1442† | 1432 |
| EQ-Bench 4 | EQ-Bench | 1065† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1675 |
| Arena Creative Writing | Arena (LMArena) | 1422† | 1383 |
| Arena Multi-turn | Arena (LMArena) | 1448† | 1420 |
| Arena Longer Queries | Arena (LMArena) | 1443† | 1411 |
| Lech Mazur Creative Writing | Lech Mazur | – | 83.9%† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1229† | 1214 |
| MMMU-Pro | Artificial Analysis | 78.1% | 70.1% |
| VISTA | Scale AI SEAL | – | 50.1%† |
| MMMU-Pro (Vals) | Vals AI | 83.1%† | 80.4%† |
| MortgageTax | Vals AI | 48.3%† | 65.7%† |
| VTB | Scale AI SEAL | – | 13.7% |
| GeoBench | GeoBench | 56.0%† | 60.0%† |
| VPCT | Epoch AI Benchmarking Hub | – | 52.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 0.0%† | – |
| 长上下文 | |||
| Fiction.LiveBench 120k | Fiction.live | – | 100.0%† |
| AA-LCR v1.1 | Artificial Analysis | 73.0% | 74.7% |
| MLCR | Artificial Analysis | 8.3% | – |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 149.9† | 147.1 |
| LiveBench 1.0 | LiveBench | 62.3%† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 24.9 | 20.2 |
| AA Progress Index v1 | Artificial Analysis | 271.2 | 258.3 |
| HELM Capabilities mean | HELM Capabilities | – | 81.1% |
| Vals Multimodal Index | Vals AI | 43.3% | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 16.0% |
| MASK | Scale AI SEAL | – | 84.5%† |
| PropensityBench | Scale AI SEAL | – | 10.5% |
| 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
- o3:BenchLeader Index 61.2 → 60.4。
- o3:1 项分数修订。
- Grok 4.3 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- o3:1 项新结果(Arena Search)。
- o3:1 项分数修订。
- Grok 4.3 (high):BenchLeader Index 57.7 → 56.6。
- Grok 4.3 (high):1 项新结果(AA Progress Index v1)。
- o3:1 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。
相关对比
- Grok 4.3 vs GPT-6 Astra
- Grok 4.3 vs GPT-5
- o3 vs Claude Opus 5.5
- Grok 4.3 vs GLM 5.3
- Grok 4.3 vs GPT-5.5 Pro
- o3 vs GPT-6.1 Sol
- o3 vs GPT-5.6 Sol
- o3 vs Gemini 4 Argon
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
Grok 4.3 vs o3:常见问题
- Grok 4.3 比 o3 更好吗?
- Grok 4.3 (high) 与 o3 的质量不相上下(56.5 比 60.4,在 ±7.4 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。
- Grok 4.3 和 o3 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 $3.50(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。
- 编程用 Grok 4.3 还是 o3 更好?
- o3 在编程方面得分更高(类别得分 60 比 58,50 为平均水平)。
- Grok 4.3 和 o3 哪个更快?
- o3 输出更快(约 1.5 倍;输出 131 比 85 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Grok 4.3 还是 o3 更好?
- o3 在智能体任务方面得分更高(类别得分 70 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,Grok 4.3 为 37.9%,o3 为 37.1%。
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(61 比 62)。Grok 4.3 支持更长的上下文:1,000,000 token,o3 为 200,000 token。
- 哪个延迟更低?
- o3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 5.2 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 Grok 4.3 和 o3 的看法一致吗?
- 在两者都有结果的 9 项基准测试中,Grok 4.3 领先 8 项,o3 领先 1 项。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。