BenchLeader

Grok 2

质量第 243 / 339 名
42.3Index
低于中位数
较中位数 −7.9

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index42
  2. 推理37
  3. 编程32
  4. 数学41
  5. 知识45
  6. 人类偏好49

嵌入这个排名

更多徽章样式
[![Grok 2 on BenchLeader: 综合第 237 名](https://www.benchleader.com/badge/grok-2.svg?style=compact)](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。

SpaceXAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 4.7xhigh2026年9月21日57.4#154
Grok 4.6high2026年8月11日60.6#74
Grok 4.52026年7月8日59.3#109
Grok 4.3high2026年4月17日56.5#180
Grok 4.2high2026年3月10日––
Grok 4.20thinking2026年2月17日58.3#132
Grok 4.12025年11月17日57.1#160
Grok 42025年7月9日58.1#136
Grok 32025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
374349

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 Diamond53.8%#220Epoch AI Benchmarking Hub
SimpleBench22.7%#101SimpleBench
Arena Hard Prompts1326#246Arena (LMArena)
GPQA Diamond (AA)不计入 Index51.0%#434Artificial Analysis
Humanity's Last Exam (AA)不计入 Index3.1%#628Artificial Analysis
GPQA Diamond (Vals)不计入 Index50.8%#116Vals AI
Arena Expert不计入 Index1316#237Arena (LMArena)
DTBench不计入 Index65.2%#175Epoch AI Benchmarking Hub

编程

基准测试默认来源趋势
WeirdML22.2%#142WeirdML
Arena Coding1358#246Arena (LMArena)
LiveCodeBench38.7%#128Vals AI
Design Arena Website不计入 Index849#186Design Arena
LiveCodeBench (AA)不计入 Index26.7%#221Artificial Analysis

智能体与工具

基准测试默认来源趋势
BrowseComp不计入 Index1.0%#18OpenAI

数学

知识

基准测试默认来源趋势
MMLU-Pro75.5%#106Vals AI
CorpFin51.1%#101Vals AI
TaxEval67.0%#107Vals AI
MedQA92.3%#32Vals AI

指令遵循

基准测试默认来源趋势
Arena Instruction Following不计入 Index1312#238Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1336#226Arena (LMArena)
Arena Creative Writing不计入 Index1317#206Arena (LMArena)
Arena Multi-turn不计入 Index1324#229Arena (LMArena)
Arena Longer Queries不计入 Index1336#230Arena (LMArena)
Lech Mazur Creative Writing不计入 Index63.6%#38Lech Mazur

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index129.7#145Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index7.1#504Artificial Analysis
AA Progress Index v1不计入 Index161#528Artificial Analysis

SpaceXAI 的更多模型

本月新上线

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。

[![Grok 2 on BenchLeader: 综合第 237 名](https://www.benchleader.com/badge/grok-2.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。