Grok 2
截至 2026年11月16日,Grok 2(SpaceXAI)在 BenchLeader Index 上得分 42.3(共 608 个已排名配置)。表现最好的是人类偏好(49),最弱的是编程(32)。发布于 2024年12月12日。
要点(截至 2026年11月16日)
- Grok 2 于 2024年12月12日发布(SpaceXAI)。
详细说明:Grok 2 是 SpaceXAI 的开放权重模型,发布于 2024年12月12日。其最佳配置在 BenchLeader Index 上得分 42.3 ±4.8,在 608 个配置中排第 495 名,处于下半区。关键在于这个“±”:另有 200 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(49),编程最低(32)。最近一次测量:2026年11月11日。
- 混合价格
- –
- 输出速度
- –
- 首次回答
- –
- 上下文
- 131k
- 来源:Artificial Analysis
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年12月12日
- 综合 Index42
- 推理37
- 编程32
- 数学41
- 知识45
- 人类偏好49
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/grok-2)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
SpaceXAI 以这个名称发布过 11 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Grok 4.7xhigh | 2026年9月21日 | 57.4 | #154 |
| Grok 4.6high | 2026年8月11日 | 60.6 | #74 |
| Grok 4.5 | 2026年7月8日 | 59.3 | #109 |
| Grok 4.3high | 2026年4月17日 | 56.5 | #180 |
| Grok 4.2high | 2026年3月10日 | – | – |
| Grok 4.20thinking | 2026年2月17日 | 58.3 | #132 |
| Grok 4.1 | 2025年11月17日 | 57.1 | #160 |
| Grok 4 | 2025年7月9日 | 58.1 | #136 |
| Grok 3 | 2025年2月17日 | 50.9 | #326 |
| Grok 2本页 | 2024年12月12日 | 42.3 | #495 |
| Grok 4.20 1 | – | – | – |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 53.8%#220 | Epoch AI Benchmarking Hub | |
| SimpleBench | 22.7%#101 | SimpleBench | |
| Arena Hard Prompts | 1326#246 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 51.0%#434 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 3.1%#628 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 50.8%#116 | Vals AI | |
| Arena Expert不计入 Index | 1316#237 | Arena (LMArena) | |
| DTBench不计入 Index | 65.2%#175 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 22.2%#142 | WeirdML | |
| Arena Coding | 1358#246 | Arena (LMArena) | |
| LiveCodeBench | 38.7%#128 | Vals AI | |
| Design Arena Website不计入 Index | 849#186 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 26.7%#221 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| BrowseComp不计入 Index | 1.0%#18 | OpenAI |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 11.5%#241 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 63.5%#45 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 15.2%#83 | Vals AI | |
| MGSM | 86.2%#63 | Vals AI | |
| MATH 500不计入 Index | 78.4%#41 | Vals AI | |
| Arena Maths | 1294#239 | Arena (LMArena) |
知识
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Instruction Following不计入 Index | 1312#238 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1336#226 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1317#206 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1324#229 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1336#230 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 63.6%#38 | Lech Mazur |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 129.7#145 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 7.1#504 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 161#528 | Artificial Analysis |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Grok 2 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/grok-2)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Grok 2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-2
BibTeX:
@misc{benchleader_grok_2_20261116,
author = {{BenchLeader}},
title = {{Grok 2 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-2}},
note = {Data as of 2026-11-16}
}常见问题
- Grok 2 的基准测试得分是多少?
- 截至 2026年11月16日,Grok 2 的 BenchLeader Index 为 42.3 ±4.8。最强的是人类偏好(49),最弱的是编程(32)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Grok 2 排名第几?
- 截至 2026年11月16日,Grok 2 在 608 个已排名配置中排第 495 名。另有 200 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Grok 2 是什么时候发布的?
- SpaceXAI 于 2024年12月12日发布了 Grok 2。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Grok 2:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/grok-2。