Grok 4.1
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
- 综合 Index57
- 推理64
- 编程63
- 智能体与工具56
- 数学60
- 人类偏好64
嵌入这个排名
更多徽章样式[](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。
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本页 | 2025年11月17日 | 57.1 | #160 |
| Grok 4 | 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- 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 Prompts | 1477#72 | 1475#80 | Arena (LMArena) | |
| Arena Expert不计入 Index | 1467#99 | 1453#113 | Arena (LMArena) |
编程
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Coding | 1500#84 | 1492#94 | Arena (LMArena) | |
| Arena WebDev | 1216#144 | – | Arena (LMArena) |
数学
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Maths | 1443#90 | 1426#112 | Arena (LMArena) |
指令遵循
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Instruction Following不计入 Index | 1430#98 | 1431#96 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1465#56 | 1459#64 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1426#79 | 1431#74 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1458#81 | 1461#80 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1447#99 | 1451#91 | Arena (LMArena) |
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。
[](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}
}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。