BenchLeader

Grok 4.1

推理强度
质量第 80 / 339 名
57.1Index
前四分之一
较中位数 +6.9

截至 2026年11月16日,Grok 4.1(SpaceXAI)在 BenchLeader Index 上得分 57.1(共 608 个已排名配置)。表现最好的是人类偏好(64),最弱的是智能体与工具(56)。发布于 2025年11月17日。

要点(截至 2026年11月16日)

  • Grok 4.1 于 2025年11月17日发布(SpaceXAI)。

详细说明:Grok 4.1 是 SpaceXAI 的闭源推理模型,发布于 2025年11月17日。其最佳配置在 BenchLeader Index 上得分 57.1 ±2.6,在 608 个配置中排第 160 名,处于上半区。关键在于这个“±”:另有 243 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(64),智能体与工具最低(56)。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
–
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11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 Index57
  2. 推理64
  3. 编程63
  4. 智能体与工具56
  5. 数学60
  6. 人类偏好64

嵌入这个排名

更多徽章样式
[![Grok 4.1 on BenchLeader: 综合第 79 名](https://www.benchleader.com/badge/grok-4-1.svg?style=compact)](https://www.benchleader.com/models/grok-4-1)

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 4.1本页2025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 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
thinking54.5#234–––编程 37 · 人类偏好 65 · 数学 62 · 推理 64
未说明最佳57.1#160–––智能体与工具 56 · 编程 63 · 人类偏好 64 · 数学 60 · 推理 64

Index 走势

2026年9月8日 至 2026年11月16日
525660
  • 默认
  • thinking

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thinking默认来源趋势
Arena Hard Prompts1477#721475#80Arena (LMArena)
Arena Expert不计入 Index1467#991453#113Arena (LMArena)

编程

基准测试thinking默认来源趋势
Arena Coding1500#841492#94Arena (LMArena)
Arena WebDev1216#144–Arena (LMArena)

智能体与工具

基准测试默认来源趋势
Cybench39.0%#6Cybench

数学

基准测试thinking默认来源趋势
Arena Maths1443#901426#112Arena (LMArena)

指令遵循

基准测试thinking默认来源趋势
Arena Instruction Following不计入 Index1430#981431#96Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1465#561459#64Arena (LMArena)
Arena Creative Writing不计入 Index1426#791431#74Arena (LMArena)
Arena Multi-turn不计入 Index1458#811461#80Arena (LMArena)
Arena Longer Queries不计入 Index1447#991451#91Arena (LMArena)

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 4.1 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 4.1 on BenchLeader: 综合第 79 名](https://www.benchleader.com/badge/grok-4-1.svg)](https://www.benchleader.com/models/grok-4-1)

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 4.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-1

BibTeX:

@misc{benchleader_grok_4_1_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 4.1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-4-1}},
  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 4.1 的基准测试得分是多少?
截至 2026年11月16日,Grok 4.1 的 BenchLeader Index 为 57.1 ±2.6。最强的是人类偏好(64),最弱的是智能体与工具(56)。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 4.1 排名第几?
截至 2026年11月16日,Grok 4.1 在 608 个已排名配置中排第 160 名。另有 243 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 4.1 是什么时候发布的?
SpaceXAI 于 2025年11月17日发布了 Grok 4.1。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 4.1: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-4-1。