Grok 4
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 43 分之一。
有 41 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 38 个。
截至 2026年11月16日,Grok 4(SpaceXAI)在 BenchLeader Index 上得分 58.1(共 608 个已排名配置)。表现最好的是长上下文(68),最弱的是多模态(52)。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。输出速度约为 69 token/秒(Artificial Analysis)。发布于 2025年7月9日。
要点(截至 2026年11月16日)
- Grok 4 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 4 的输出速度约为 69 token/秒(Artificial Analysis,2026年11月16日)。
- Grok 4 于 2025年7月9日发布(SpaceXAI)。
详细说明:Grok 4 是 SpaceXAI 的闭源推理模型,发布于 2025年7月9日。其最佳配置在 BenchLeader Index 上得分 58.1 ±3.1,在 608 个配置中排第 136 名,处于上半区。关键在于这个“±”:另有 229 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,长上下文得分最高(68),多模态最低(52)。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。输出速度为 69 token/秒,首次回答需 17.5 秒,比大多数模型慢。它已在 3 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
- 69 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 18 s
- 上下文
- 256k
- 来源:Artificial Analysis
- 完整回答
- 43 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年7月9日
- 综合 Index58
- 推理60
- 编程56
- 智能体与工具59
- 数学58
- 知识56
- 指令遵循63
- 人类偏好59
- 多模态52
- 长上下文68
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/grok-4)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本页 | 2025年7月9日 | 58.1 | #136 |
| Grok 3 | 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。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 5.6#307 | Artificial Analysis |
推理
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond推理强度未说明 | – | 87.0%#87 | Epoch AI Benchmarking Hub | |
| SimpleBench推理强度未说明 | – | 60.5%#45 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | 1421#152 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index推理强度未说明 | – | 87.7%#97 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | 26.7%#195 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | 88.1%#34 | Vals AI | |
| Kagi LLM Benchmark推理强度未说明 | – | 73.6%#17 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | 72.6%#7 | HELM Capabilities | |
| ARC-AGI-1 | 66.7%#158 | – | ARC Prize | |
| ARC-AGI-2 | 16.0%#158 | – | ARC Prize | |
| CritPt不计入 Index推理强度未说明 | – | 2.0%#220 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | 1429#145 | Arena (LMArena) | |
| ForecastBench不计入 Index推理强度未说明 | – | 64.7%#19 | ForecastBench |
编程
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| WeirdML推理强度未说明 | – | 45.7%#83 | WeirdML | |
| Arena Coding推理强度未说明 | – | 1435#171 | Arena (LMArena) | |
| LiveCodeBench推理强度未说明 | – | 83.3%#49 | Vals AI | |
| SWE-bench (Vals)不计入 Index推理强度未说明 | – | 57.8%#77 | Vals AI | |
| Aider Polyglot | 79.6%#7 | – | Aider polyglot leaderboard | |
| Design Arena Website不计入 Index推理强度未说明 | – | 1006#169 | Design Arena | |
| LiveCodeBench (AA)不计入 Index推理强度未说明 | – | 81.9%#23 | Artificial Analysis |
智能体与工具
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | 27.2%#76 | Terminal-Bench | |
| GDPval | 21.1%#10 | – | OpenAI | |
| Cybench推理强度未说明 | – | 43.0%#4 | Cybench | |
| Terminal-Bench Hard推理强度未说明 | – | 37.9%#62 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index推理强度未说明 | – | 74.8%#141 | Artificial Analysis | |
| BFCL Overall推理强度未说明 | – | 63.0%#8 | Berkeley Function Calling Leaderboard | |
| Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明 | – | 28.1%#46 | Vals AI | |
| Arena Search不计入 Index推理强度未说明 | – | 1123#40 | Arena (LMArena) | |
| BALROG不计入 Index推理强度未说明 | – | 43.6%#9 | BALROG | |
| DeepResearch Bench不计入 Index推理强度未说明 | – | 47.3%#25 | DeepResearch Bench | |
| METR Time Horizons不计入 Index推理强度未说明 | – | 66.6%#14 | METR |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 84.0%#115 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 90.6%#27 | Vals AI | |
| MGSM | 90.9%#31 | Vals AI | |
| IMO 2025 | 21.4%#3 | MathArena | |
| MathArena Apex | 2.1%#29 | MathArena | |
| Omni-MATH (HELM) | 60.3%#9 | HELM Capabilities | |
| MATH 500不计入 Index | 96.2%#2 | Vals AI | |
| Arena Maths | 1425#115 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 92.7%#16 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 85.3%#57 | Vals AI | |
| LegalBench | 83.2%#57 | Vals AI | |
| CorpFin | 66.0%#24 | Vals AI | |
| TaxEval | 65.1%#113 | Vals AI | |
| MedQA | 92.5%#31 | Vals AI | |
| MMLU-Pro (HELM)不计入 Index | 85.1%#8 | HELM Capabilities | |
| CaseLaw v2不计入 Index | 65.8%#9 | Vals AI | |
| MedCode不计入 Index | 38.1%#70 | Vals AI | |
| MedScribe不计入 Index | 78.2%#64 | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | 89.5%#17 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 53.7%#157 | Artificial Analysis | |
| IFEval (HELM) | 94.9%#2 | HELM Capabilities | |
| WildBench (HELM) | 79.7%#36 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1396#151 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1411#147 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1394#117 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1413#145 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1416#146 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 76.9%#22 | Lech Mazur |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1210#87 | Arena (LMArena) | |
| MMMU-Pro | 68.8%#174 | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | 76.3%#53 | Vals AI | |
| MortgageTax不计入 Index | 44.5%#84 | Vals AI | |
| GeoBench不计入 Index | 45.0%#40 | GeoBench |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Fiction.LiveBench 120k | 96.9%#2 | Fiction.live | |
| AA-LCR v1.1 | 68.0%#255 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 146.9#82 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 22.5#208 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 262.3#236 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 78.5%#7 | HELM Capabilities |
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
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 | – | 21.9 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.045 | – | 26.2 s |
| 代码编辑 | 6,000 / 1,500 | $0.041 | – | 39.3 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.240 | – | 1.3 min |
| 结构化信息提取 | 2,000 / 200 | $0.0090 | – | 20.4 s |
将 Grok 4 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Grok 4 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-4)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 4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4
BibTeX:
@misc{benchleader_grok_4_20261116,
author = {{BenchLeader}},
title = {{Grok 4 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-4}},
note = {Data as of 2026-11-16}
}常见问题
- Grok 4 的基准测试得分是多少?
- 截至 2026年11月16日,Grok 4 的 BenchLeader Index 为 58.1 ±3.1。最强的是长上下文(68),最弱的是多模态(52)。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 4 排名第几?
- 截至 2026年11月16日,Grok 4 在 608 个已排名配置中排第 136 名。另有 229 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 4 每百万 token 的价格是多少?
- 截至 2026年11月16日,Grok 4 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9月9日。
- Grok 4 比 Muse Spark 1.3 更好吗?
- 截至 2026年11月16日,Grok 4 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 58.1 比 61.6,在 ±8.8 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Grok 4 是什么时候发布的?
- SpaceXAI 于 2025年7月9日发布了 Grok 4。BenchLeader 收录了它在 3 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 4: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-4。