BenchLeader

Grok 3

推理强度
质量第 162 / 339 名
50.9Index
高于中位数
较中位数 +0.7
价格第 224 / 255 名
$6.00每百万 token
最贵的四分之一
中位数的 7.1 倍
性价比第 229 / 255 名
8.5分/$
后四分之一
中位数的 0.2 倍

性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有 52 分之一。

有 121 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00),另有 118 个。

截至 2026年11月16日,Grok 3(SpaceXAI)在 BenchLeader Index 上得分 50.9(共 608 个已排名配置)。表现最好的是人类偏好(59),最弱的是推理(43)。API 价格为输入每百万 token $3.00、输出每百万 token $15.00(按 3:1 混合为 $6.00),为 2026年11月16日的标价。发布于 2025年2月17日。

要点(截至 2026年11月16日)

  • Grok 3 的 API 价格为输入每百万 token $3.00、输出每百万 token $15.00(按 3:1 混合为 $6.00)(标价,2026年11月16日)。
  • Grok 3 于 2025年2月17日发布(SpaceXAI)。

详细说明:Grok 3 是 SpaceXAI 的闭源模型,发布于 2025年2月17日。其最佳配置在 BenchLeader Index 上得分 50.9 ±3.6,在 608 个配置中排第 326 名,处于下半区。关键在于这个“±”:另有 267 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(59),推理最低(43)。按混合价格计,每百万 token $6.00,属于已排名模型中最贵的一档。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$6.00/M
输入 $3.00 · 输出 $15.00
来源:Artificial Analysis
输出速度
–
首次回答
–
上下文
1M
来源:Artificial Analysis
单任务成本
–
单任务 token 数
–
发布日期
2025年2月17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 Index51
  2. 推理43
  3. 编程46
  4. 智能体与工具44
  5. 数学55
  6. 知识53
  7. 指令遵循57
  8. 人类偏好59
  9. 长上下文52

嵌入这个排名

更多徽章样式
[![Grok 3 on BenchLeader: 综合第 160 名](https://www.benchleader.com/badge/grok-3.svg?style=compact)](https://www.benchleader.com/models/grok-3)

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 3本页2025年2月17日50.9#326
Grok 22024年12月12日42.3#495
Grok 4.20 1–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
thinking––––$0.0057
未说明最佳50.9#326––$0.0057智能体与工具 44 · 编程 46 · 人类偏好 59 · 指令遵循 57 · 知识 53 · 长上下文 52 · 数学 55 · 推理 43

Index 走势

2026年9月8日 至 2026年11月16日
455056

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。

编程

智能体与工具

基准测试默认来源趋势
Terminal-Bench Hard11.4%#220Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index48.8%#203Artificial Analysis
BALROG不计入 Index29.5%#18BALROG
BrowseComp不计入 Index1.3%#14OpenAI

知识

基准测试默认来源趋势
MMLU-Pro80.0%#89Vals AI
LegalBench82.6%#67Vals AI
CorpFin59.7%#73Vals AI
TaxEval75.9%#10Vals AI
MedQA83.8%#61Vals AI
MMLU-Pro (HELM)不计入 Index78.8%#22HELM Capabilities

指令遵循

人类偏好

基准测试默认来源趋势
Arena Text1411#146Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1186#93EQ-Bench
Arena Creative Writing不计入 Index1398#112Arena (LMArena)
Arena Multi-turn不计入 Index1410#149Arena (LMArena)
Arena Longer Queries不计入 Index1428#130Arena (LMArena)
Lech Mazur Creative Writing不计入 Index76.4%#24Lech Mazur

长上下文

基准测试默认来源趋势
Fiction.LiveBench 120k58.3%#19Fiction.live
AA-LCR v1.158.0%#308Artificial Analysis

综合

基准测试thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–137.5#123Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index10.4#38712.1#347Artificial Analysis
AA Progress Index v1不计入 Index推理强度未说明–194.5#441Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明–72.7%#17HELM Capabilities

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$5.50$11.00$16.50$22.0026年9月26年10月26年11月
输入 输出
当前:输入 $3.00 · 输出 $15.00

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0057––
总结一份 30 页的报告12,000 / 600$0.045––
代码编辑6,000 / 1,500$0.041––
智能体编程会话60,000 / 4,000$0.240––
结构化信息提取2,000 / 200$0.0090––

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 3 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 3 on BenchLeader: 综合第 160 名](https://www.benchleader.com/badge/grok-3.svg)](https://www.benchleader.com/models/grok-3)

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 3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-3

BibTeX:

@misc{benchleader_grok_3_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 3 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-3}},
  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 3 的基准测试得分是多少?
截至 2026年11月16日,Grok 3 的 BenchLeader Index 为 50.9 ±3.6。最强的是人类偏好(59),最弱的是推理(43)。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 3 排名第几?
截至 2026年11月16日,Grok 3 在 608 个已排名配置中排第 326 名。另有 267 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 3 每百万 token 的价格是多少?
截至 2026年11月16日,Grok 3 的价格为输入每百万 token $3.00、输出每百万 token $15.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $6.00。标价最近一次变动是在 2026年10月13日。
Grok 3 是什么时候发布的?
SpaceXAI 于 2025年2月17日发布了 Grok 3。BenchLeader 收录了它在 2 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Grok 3: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-3。