Grok 3
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
- 综合 Index51
- 推理43
- 编程46
- 智能体与工具44
- 数学55
- 知识53
- 指令遵循57
- 人类偏好59
- 长上下文52
嵌入这个排名
更多徽章样式[](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。
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本页 | 2025年2月17日 | 50.9 | #326 |
| Grok 2 | 2024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。
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 | 75.8%#156 | Epoch AI Benchmarking Hub | |
| SimpleBench | 36.1%#83 | SimpleBench | |
| Arena Hard Prompts | 1426#150 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 69.3%#312 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.1%#561 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 74.2%#83 | Vals AI | |
| Kagi LLM Benchmark | 61.3%#47 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index | 65.0%#20 | HELM Capabilities | |
| ARC-AGI-1 | 5.5%#252 | ARC Prize | |
| ARC-AGI-2 | 0.0%#251 | ARC Prize | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1404#168 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 37.2%#120 | WeirdML | |
| Arena Coding | 1442#162 | Arena (LMArena) | |
| LiveCodeBench | 52.9%#112 | Vals AI | |
| Aider Polyglot | 53.3%#31 | Aider polyglot leaderboard | |
| Design Arena Website不计入 Index | 1051#157 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 42.5%#158 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 11.4%#220 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 48.8%#203 | Artificial Analysis | |
| BALROG不计入 Index | 29.5%#18 | BALROG | |
| BrowseComp不计入 Index | 1.3%#14 | OpenAI |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 55.6%#186 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 88.8%#23 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 58.8%#57 | Vals AI | |
| MGSM | 91.3%#27 | Vals AI | |
| Omni-MATH (HELM) | 46.4%#23 | HELM Capabilities | |
| MATH 500不计入 Index | 89.8%#27 | Vals AI | |
| Arena Maths | 1371#185 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 58.0%#116 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 80.0%#89 | Vals AI | |
| LegalBench | 82.6%#67 | Vals AI | |
| CorpFin | 59.7%#73 | Vals AI | |
| TaxEval | 75.9%#10 | Vals AI | |
| MedQA | 83.8%#61 | Vals AI | |
| MMLU-Pro (HELM)不计入 Index | 78.8%#22 | HELM Capabilities |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 46.9%#195 | Artificial Analysis | |
| IFEval (HELM) | 88.4%#12 | HELM Capabilities | |
| WildBench (HELM) | 84.9%#13 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1403#141 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1411#146 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1186#93 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1398#112 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1410#149 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1428#130 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 76.4%#24 | Lech Mazur |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Fiction.LiveBench 120k | 58.3%#19 | Fiction.live | |
| AA-LCR v1.1 | 58.0%#308 | Artificial 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#123 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 10.4#387 | 12.1#347 | Artificial Analysis | |
| AA Progress Index v1不计入 Index推理强度未说明 | – | 194.5#441 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | 72.7%#17 | HELM Capabilities |
价格历史
上述价格(每百万 token)在每个变动日的数值。
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 | – | – |
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。
[](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}
}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。