BenchLeader

Grok 4.7 vs Qwen3.8-Flash-Next

完整资料:Grok 4.7(SpaceXAI)和 Qwen3.8-Flash-Next(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,Grok 4.7 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 57.4 比 53.9,在 ±8.3 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $0.230 比 $3.00)。看重知识(60 比 38)和推理(56 比 43)选 Grok 4.7;看重智能体与工具(64 比 57)、多模态(61 比 56)和长上下文(65 比 63)选 Qwen3.8-Flash-Next。

要点(截至 2026年11月16日)

  • Grok 4.7 的 BenchLeader Index 为 57.4,Qwen3.8-Flash-Next 为 53.9(BenchLeader,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)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • 在两者都有结果的 30 项基准测试中,Grok 4.7 领先 25 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Grok 4.7 的评分为 1641,Qwen3.8-Flash-Next 为 1624(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
编程均可类别得分 61 比 61;Arena WebDev 1641 比 1624均可
智能体与工具调用Qwen3.8-Flash-Next类别得分 64 比 57;Arena Agent -4.6 比 2.6中
推理Grok 4.7类别得分 56 比 43;HLE-Diamond (AA) 23.2% 比 16.3%高
知识Grok 4.7类别得分 60 比 38;AA-Omniscience v1.1 31.2 比 -12.2高
长文档Qwen3.8-Flash-Next类别得分 65 比 63;AA-LCR v1.1 79.7% 比 76.7%中
图像及其他媒体Qwen3.8-Flash-Next类别得分 61 比 56中
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Qwen3.8-Flash-Next每百万 token 混合价格 $0.230 比 $3.00;智能体编程会话 $0.011 比 $0.144–
首次回答最快均可首个回答 token 55.9 秒(Grok 4.7 (xhigh))比 65.5 秒(Qwen3.8-Flash-Next)–
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 4.7 (xhigh) 与 Qwen3.8-Flash-Next 的质量不相上下(57.4 比 53.9,在 ±8.3 的误差范围内)。
  • Grok 4.7 (xhigh) 在编程、知识、推理方面更强。
  • Qwen3.8-Flash-Next 在智能体与工具、长上下文、多模态方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $0.230 比 $3.00)。

概览

规格Grok 4.7Qwen3.8-Flash-Next
提供商SpaceXAIAlibaba
发布日期2026年9月21日2026年8月26日
上下文窗口(token)500,000256,000
对比时的配置Grok 4.7 (xhigh)Qwen3.8-Flash-Next
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $6.00 / $0.500$0.150 / $0.470 / –

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 4.7 (xhigh)Qwen3.8-Flash-Next领先者
推理55.643.0Grok 4.7
编程60.960.7持平
智能体与工具56.964.0Qwen3.8-Flash-Next
数学55.8–无法比较
知识59.938.1Grok 4.7
人类偏好62.5–无法比较
多模态55.561.0Qwen3.8-Flash-Next
长上下文62.964.5Qwen3.8-Flash-Next
综合52.8–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知识长上下文多模态Grok 4.7, 推理: 55.6Grok 4.7, 编程: 60.9Grok 4.7, 智能体与工具: 56.9Grok 4.7, 知识: 59.9Grok 4.7, 长上下文: 62.9Grok 4.7, 多模态: 55.5Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 智能体与工具: 64.0Qwen3.8-Flash-Next, 知识: 38.1Qwen3.8-Flash-Next, 长上下文: 64.5Qwen3.8-Flash-Next, 多模态: 61.0

未绘制(测得的模型少于两个):数学, 指令遵循, 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 30 项基准测试中,Grok 4.7 领先 25 项,Qwen3.8-Flash-Next 领先 5 项。所有同时评测两者的综合评分都认为 Grok 4.7 更强。

综合 IndexGrok 4.7 (xhigh)Qwen3.8-Flash-Next领先者
BenchLeader Index57.453.9不相上下
AA Intelligence Index v5.0.135.528.6Grok 4.7

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 4.7 (xhigh)Qwen3.8-Flash-Next
每百万 token 混合价格$3.00$0.230
每百万 token 输入 / 输出$2.00 / $6.00$0.150 / $0.470
每百万 token 缓存输入$0.500–
每项任务价格:聊天回复$0.0026$0.0002
每项任务价格:总结一份 30 页的报告$0.028$0.0021
每项任务价格:代码编辑$0.021$0.0016
每项任务价格:智能体编程会话$0.144$0.011
每项任务价格:结构化信息提取$0.0052$0.0004
智能体编程会话(输入大多命中缓存)$0.076–
每项基准测试任务成本(AA Index)$7.77$0.569
每项任务输出 token(AA Index)105k148k
其中推理部分69k97k
每项任务耗时(AA Index)26 min31 min
输出速度68 tok/s80 tok/s
首次回答时间55.9 秒65.5 秒
完整回答耗时(最近一次测量 2026年11月13日)145.5 秒202.8 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 Grok 4.7 (xhigh) 上花费 $7.77,在 Qwen3.8-Flash-Next 上花费 $0.569;完成同样的工作,Qwen3.8-Flash-Next 输出的 token 是对方的 1.4 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。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)。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 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 152 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 4.7 (xhigh)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader57.453.9
智能体与工具得分BenchLeader56.964.0
编程得分BenchLeader60.960.7
综合得分BenchLeader52.8–
人类偏好得分BenchLeader62.5–
知识得分BenchLeader59.938.1
长上下文得分BenchLeader62.964.5
数学得分BenchLeader55.8–
多模态得分BenchLeader55.561.0
推理得分BenchLeader55.643.0
混合价格(美元/百万 token)BenchLeader$3.00$0.230
输出速度BenchLeader68 tok/s80 tok/s
首次回答时间BenchLeader55.9 秒65.5 秒
上下文窗口BenchLeader500,000 token256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.7%–
Arena Hard PromptsArena (LMArena)1466–
LiveBench 2.0 ReasoningLiveBench82.7%–
LiveBench 1.0 ReasoningLiveBench82.7%87.4%
GPQA Diamond (AA)Artificial Analysis–92.3%
Humanity's Last Exam (AA)Artificial Analysis43.1%38.0%
HLE-Diamond (AA)Artificial Analysis23.2%16.3%
ARC-AGI-1ARC Prize89.5%–
ARC-AGI-2ARC Prize61.4%–
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%11.1%
CritPt v2 hard subset (AA)Artificial Analysis33.5%24.5%
MysteryMechanismVals AI25.2%–
HLE-Diamond (Scale)Scale AI SEAL23.4%†–
Arena ExpertArena (LMArena)1478–
Chess PuzzlesEpoch AI Benchmarking Hub41.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%–
LMCAEpoch AI Benchmarking Hub49.4%–
DTBenchEpoch AI Benchmarking Hub96.0%–
编程
SciCodeSciCode57.4%–
FrontierCodeCognition47.6%†–
Arena CodingArena (LMArena)1493–
Arena WebDevArena (LMArena)16411624
LiveBench 2.0 CodingLiveBench73.1%–
LiveBench 1.0 CodingLiveBench77.2%72.5%
显示全部 152 项基准测试
指标发布方Grok 4.7 (xhigh)Qwen3.8-Flash-Next
编程
SciCode (AA)Artificial Analysis57.4%50.6%
IOIVals AI57.7%–
Code MigrationVals AI44.8%–
Code Migration v1.1Vals AI53.2%–
ProgramBenchVals AI0.5%–
SWE-bench MultimodalVals AI42.9%–
Vibe Code Bench v1.1Vals AI86.2%–
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
SWE Atlas v1.1Scale AI SEAL62.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%–
CursorBenchCursor46.3%–
ALE-BenchEpoch AI Benchmarking Hub1545.8–
FrontierSWEEpoch AI Benchmarking Hub29.5%–
WeirdML v3WeirdML8.4%–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis–86.1%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 263.6†–
GameBench 2 by reasoning settingDuelLab GameBench 271.2–
Design Arena WebsiteDesign Arena1244†–
FrontierCode 1.1 (AA)Artificial Analysis33.8%–
FrontierCode 2.0 (AA)Artificial Analysis28.7%27.1%
智能体与工具
Terminal-BenchTerminal-Bench38.8%–
APEX-AgentsMercor54.6%†–
Arena AgentArena (LMArena)2.6-4.6
LiveBench Long AgenticLiveBench45.3%–
LiveBench BrowserLiveBench49.3%–
LiveBench Agentic CodingLiveBench54.0%61.6%
Terminal-Bench 2.1 (Vals)Vals AI73.4%–
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%56.4%
GDPval-AA v2.1Artificial Analysis17171637
τ³-Banking (AA)Artificial Analysis–45.4%
ITBench SRE (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis52.5%–
CyberBenchVals AI69.5%–
Finance Agent v2Vals AI52.3%–
Finance Agent v2.1Vals AI60.6%–
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%–
Harvey's Legal Agent Benchmark v1Vals AI12.5%–
Legal Research BenchVals AI47.1%–
Robo-benchVals AI0.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI35.8%–
Terminal-Bench 4.0 (Vals)Vals AI28.8%–
Terminal-Bench ScienceVals AI10.0%–
Arena Agent Task CompletionArena (LMArena)5.10.3
Vending-Bench 2Andon Labs10536.8†–
AutomationBenchArtificial Analysis65.6%55.9%
GDP.pdf (AA)Artificial Analysis20.0%15.6%
Harvey LAB-AA v1.1Harvey9.4%–
AA-Briefcase v1.1Artificial Analysis16361572
GDPxGDPx by SemiAnalysis3.9%–
Design Arena AgenticDesign Arena1277†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%7.1%
CWE-Bench (AA)Artificial Analysis68.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis74.0%–
MKA (AA)Artificial Analysis40.1%–
FACTS SearchGoogle85.6%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub53.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.1%–
ProofBenchVals AI26.0%†–
LiveBench MathematicsLiveBench95.7%85.8%
Arena MathsArena (LMArena)1447–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%–
LiveBench 2.0 Data AnalysisLiveBench76.9%–
LiveBench ResearchLiveBench89.5%–
LiveBench 1.0 Data AnalysisLiveBench76.9%74.2%
AA-Omniscience v1.1Artificial Analysis31.2-12.2
LegalBenchVals AI84.4%–
PRBench LegalScale AI SEAL47.6%–
BioMysteryBenchVals AI69.3%–
Excel Modeling BenchmarkVals AI67.0%–
Excel Modeling Benchmark v1.1Vals AI71.5%–
MedCodeVals AI49.5%–
MedScribeVals AI89.4%–
Public Benefits Bench v1.1Vals AI65.6%–
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI68.0%–
GDP.pdfEpoch AI Benchmarking Hub22.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%53.2%
HealthBench Professional (AA)OpenAI55.8%–
FACTS ParametricGoogle54.3%†–
指令遵循
LiveBench LanguageLiveBench80.1%74.6%
LiveBench Instruction FollowingLiveBench75.3%77.1%
Arena Instruction FollowingArena (LMArena)1435–
人类偏好
Arena TextArena (LMArena)1443–
EQ-Bench Creative Writing v3EQ-Bench2012†–
Arena Creative WritingArena (LMArena)1421–
Arena Multi-turnArena (LMArena)1435–
Arena Longer QueriesArena (LMArena)1454–
多模态
Arena VisionArena (LMArena)1230–
LiveBench DesignLiveBench75.0%–
MMMU-ProArtificial Analysis78.2%†78.6%
SAGEVals AI88.7%–
GeoBenchGeoBench61.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub32.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.8%–
VIALS-AAHandshake AI37.9%–
Code2Video-AAArtificial Analysis1127–
AA-3DArtificial Analysis992–
FACTS MultimodalGoogle40.9%†–
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.7%
MLCRArtificial Analysis20.0%20.6%
FACTS GroundingGoogle68.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†–
LiveBench 2.0LiveBench67.9%–
LiveBench 1.0LiveBench77.4%76.2%
AA Intelligence Index v5.0.1Artificial Analysis35.528.6
AA Intelligence Index v4.3.2Artificial Analysis46.539.8
AA Progress Index v1Artificial Analysis322.7320.2
Vals IndexVals AI58.6–
Vals Finance IndexVals AI58.8%–
Vals RSI IndexVals AI20.2%–
Vals Science IndexVals AI34.8%–
Vals Router IndexVals AI58.6%†–
Vals Legal IndexVals AI72.7%–
AA Cyber IndexArtificial Analysis56.4–
安全与诚实
DistressBenchScale AI SEAL52.4%†–
元数据
AA Openness IndexArtificial Analysis–38.9

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。
  • Grok 4.7 (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
  • Grok 4.7 (xhigh):2 项分数修订。
  • Grok 4.7 (xhigh):2 项分数修订。
  • Grok 4.7 (xhigh):2 项分数修订。

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 4.7 vs Qwen3.8-Flash-Next:常见问题

Grok 4.7 比 Qwen3.8-Flash-Next 更好吗?
Grok 4.7 (xhigh) 与 Qwen3.8-Flash-Next 的质量不相上下(57.4 比 53.9,在 ±8.3 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 4.7 和 Qwen3.8-Flash-Next 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 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 Grok 4.7 还是 Qwen3.8-Flash-Next 更好?
两者在编程方面持平(类别得分 61 比 61)。在两者共同的最主要编程基准测试 Arena WebDev 上,Grok 4.7 为 1641,Qwen3.8-Flash-Next 为 1624。
Grok 4.7 和 Qwen3.8-Flash-Next 哪个更快?
Qwen3.8-Flash-Next 输出更快(输出 80 比 68 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Grok 4.7 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 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 Arena Agent 上,Grok 4.7 为 2.6,Qwen3.8-Flash-Next 为 -4.6。
更多问题(4)
处理长文档哪个更好?
Qwen3.8-Flash-Next 在长上下文基准测试上得分更高(65 比 63)。Grok 4.7 支持更长的上下文:500,000 token,Qwen3.8-Flash-Next 为 256,000 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 65.5 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 4.7 和 Qwen3.8-Flash-Next 的看法一致吗?
在两者都有结果的 30 项基准测试中,Grok 4.7 领先 25 项,Qwen3.8-Flash-Next 领先 5 项。所有同时评测两者的综合评分都认为 Grok 4.7 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。