Grok 3 mini
截至 2026年11月16日,Grok 3 mini(SpaceXAI)在 BenchLeader Index 上得分 52.6(共 608 个已排名配置)。表现最好的是数学(59),最弱的是编程(49)。发布于 2025年4月9日。
要点(截至 2026年11月16日)
- Grok 3 mini 于 2025年4月9日发布(SpaceXAI)。
详细说明:Grok 3 mini 是 SpaceXAI 的闭源推理模型,发布于 2025年4月9日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 52.6 ±3.4,在 608 个配置中排第 274 名,处于上半区。关键在于这个“±”:另有 265 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,数学得分最高(59),编程最低(49)。它已在 5 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
- –
- 输出速度
- –
- 首次回答
- –
- 上下文
- –
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年4月9日
- 综合 Index53
- 推理54
- 编程49
- 数学59
- 人类偏好53
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/grok-3-mini)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 2 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 3 minihigh本页 | 2025年4月9日 | 52.6 | #274 |
| Grok 2 Mini | – | – | – |
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- high
- 默认
- low
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。
元数据
| 基准测试 | thinking | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 11.1#292 | Artificial Analysis |
推理
| 基准测试 | low | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| GPQA Diamond | 76.3%#154 | 75.5%#161 | – | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | – | 1378#197 | – | 1370#205 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | – | – | 79.1%#205 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | – | – | 11.0%#323 | – | Artificial Analysis | |
| Kagi LLM Benchmark推理强度未说明 | – | – | – | 61.3%#47 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | – | – | 67.5%#14 | HELM Capabilities | |
| ARC-AGI-1 | 16.5%#234 | – | – | – | ARC Prize | |
| ARC-AGI-2 | 0.4%#248 | – | – | – | ARC Prize | |
| CritPt不计入 Index | – | – | 0.6%#274 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1407#163 | – | 1383#192 | Arena (LMArena) |
编程
| 基准测试 | low | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| WeirdML | – | 42.6%#93 | – | – | WeirdML | |
| Arena Coding | – | 1393#207 | – | 1386#215 | Arena (LMArena) | |
| Aider Polyglot | 34.7%#45 | 49.3%#35 | – | – | Aider polyglot leaderboard | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | – | 921#181 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | – | – | 69.6%#67 | – | Artificial Analysis |
智能体与工具
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench Hard | 17.4%#182 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 90.3%#65 | – | Artificial Analysis | |
| BrowseComp不计入 Index推理强度未说明 | – | 1.7%#11 | OpenAI |
数学
| 基准测试 | low | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| OTIS Mock AIME | 62.2%#171 | 77.8%#133 | – | – | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 90.9%#20 | 88.1%#24 | – | – | Epoch AI Benchmarking Hub | |
| Omni-MATH (HELM)推理强度未说明 | – | – | – | 31.8%#41 | HELM Capabilities | |
| Arena Maths | – | 1389#170 | – | 1370#186 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | – | – | 84.7%#46 | – | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro (HELM)不计入 Index | 79.9%#19 | HELM Capabilities |
指令遵循
| 基准测试 | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | – | 45.9%#201 | – | Artificial Analysis | |
| IFEval (HELM)推理强度未说明 | – | – | 95.1%#1 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | 65.1%#65 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1360#189 | – | 1353#195 | Arena (LMArena) |
人类偏好
| 基准测试 | low | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Text | – | 1364#195 | 1358#201 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | – | 1332#195 | 1336#190 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | – | 1350#202 | 1345#206 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | – | 1377#189 | 1367#198 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 73.5%#29 | – | – | Lech Mazur |
长上下文
| 基准测试 | medium | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Fiction.LiveBench 120k | 65.6%#10 | – | Fiction.live | |
| AA-LCR v1.1 | – | 55.3%#318 | 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 | – | 139.9#116 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 14.6#303 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 236#300 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | 67.9%#26 | HELM Capabilities |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Grok 3 mini 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-mini)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 mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-3-mini
BibTeX:
@misc{benchleader_grok_3_mini_20261116,
author = {{BenchLeader}},
title = {{Grok 3 mini on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-3-mini}},
note = {Data as of 2026-11-16}
}常见问题
- Grok 3 mini 的基准测试得分是多少?
- 截至 2026年11月16日,Grok 3 mini(推理强度 high)的 BenchLeader Index 为 52.6 ±3.4。最强的是数学(59),最弱的是编程(49)。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 mini 排名第几?
- 截至 2026年11月16日,Grok 3 mini(推理强度 high)在 608 个已排名配置中排第 274 名。另有 265 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 mini 是什么时候发布的?
- SpaceXAI 于 2025年4月9日发布了 Grok 3 mini。BenchLeader 收录了它在 5 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 mini: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-mini。