Grok 4.3
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 11 分之一。
有 21 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 18 个。
截至 2026年11月16日,Grok 4.3(SpaceXAI)在 BenchLeader Index 上得分 56.5(共 608 个已排名配置)。表现最好的是指令遵循(79),最弱的是智能体与工具(45)。API 价格为输入每百万 token $1.25、输出每百万 token $2.50(按 3:1 混合为 $1.56),为 2026年11月16日的标价。输出速度约为 85 token/秒(Artificial Analysis)。发布于 2026年4月17日。
要点(截至 2026年11月16日)
- Grok 4.3 的 API 价格为输入每百万 token $1.25、输出每百万 token $2.50(按 3:1 混合为 $1.56)(标价,2026年11月16日)。
- Grok 4.3 的输出速度约为 85 token/秒(Artificial Analysis,2026年11月16日)。
- Grok 4.3 于 2026年4月17日发布(SpaceXAI)。
详细说明:Grok 4.3 是 SpaceXAI 的闭源推理模型,发布于 2026年4月17日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 56.5 ±6.7,在 608 个配置中排第 180 名,处于上半区。关键在于这个“±”:另有 323 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,指令遵循得分最高(79),智能体与工具最低(45)。按混合价格计,每百万 token $1.56,比大多数已排名模型贵。输出速度为 85 token/秒,首次回答需 17.7 秒,比大多数模型快。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10月1日。
- 混合价格
- $1.56/M
- 输入 $1.25 · 输出 $2.50
- 来源:Artificial Analysis
- 输出速度
- 85 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 18 s
- 首 token 1.17 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 46 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
- 2026年4月17日
- 综合 Index57
- 推理63
- 编程58
- 智能体与工具45
- 数学46
- 知识50
- 指令遵循79
- 多模态60
- 长上下文61
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/grok-4-3)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本页 | 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 | 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。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| 无推理 | 46.3 | #435 | 80 tok/s | 1.04 s | $0.0013 | 智能体与工具 40 · 指令遵循 49 · 长上下文 40 · 多模态 47 |
| low | – | – | 62 tok/s | 11 s | $0.0013 | 智能体与工具 57 · 指令遵循 79 · 长上下文 62 · 多模态 55 |
| medium | – | – | 86 tok/s | 14 s | $0.0013 | 智能体与工具 60 · 指令遵循 81 · 长上下文 62 · 多模态 58 |
| high最佳 | 56.5 | #180 | 85 tok/s | 18 s | $0.0013 | 智能体与工具 45 · 编程 58 · 指令遵循 79 · 知识 50 · 长上下文 61 · 数学 46 · 多模态 60 · 推理 63 |
| 未说明 | 54.5 | #230 | 67 tok/s | 1.17 s | $0.0013 | 编程 47 · 人类偏好 51 · 知识 60 · 数学 59 · 多模态 55 · 推理 62 |
Index 走势
2026年9月8日 至 2026年11月16日- high
- 默认
- 无推理
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 | 无推理 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| GPQA Diamond | – | – | – | 88.8%#65 | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | – | – | 1456#109 | Arena (LMArena) | |
| LiveBench 1.0 Reasoning不计入 Index推理强度未说明 | – | – | – | – | 70.8%#65 | LiveBench | |
| GPQA Diamond (AA)不计入 Index | 65.8%#344 | 84.3%#146 | 89.0%#84 | 90.1%#64 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 6.8%#403 | 18.4%#250 | 30.0%#167 | 37.2%#119 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | – | – | – | 91.4%#22 | Vals AI | |
| CritPt不计入 Index | 0.0%#337 | 0.6%#274 | 4.9%#174 | 8.0%#153 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | – | – | 1454#112 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | – | – | – | 18.0%#109 | – | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index | – | – | – | 38.3%#120 | – | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | – | – | – | 90.7%#85 | – | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | – | – | 63.2%#43 | ForecastBench |
编程
| 基准测试 | 无推理 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SciCode | – | 48.3%#136 | – | SciCode | |
| WeirdML推理强度未说明 | – | – | 49.9%#69 | WeirdML | |
| Arena Coding推理强度未说明 | – | – | 1487#103 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | – | 1357#119 | Arena (LMArena) | |
| LiveBench 1.0 Coding不计入 Index推理强度未说明 | – | – | 69.9%#63 | LiveBench | |
| SciCode (AA)不计入 Index | 39.4%#197 | 48.3%#140 | – | Artificial Analysis | |
| LiveCodeBench | – | 84.5%#38 | – | Vals AI | |
| SWE-bench (Vals)不计入 Index | – | 71.4%#55 | – | Vals AI | |
| Code Migration不计入 Index | – | 6.8%#68 | – | Vals AI | |
| ProgramBench不计入 Index | – | 0.0%#34 | – | Vals AI | |
| Vibe Code Bench v1.1不计入 Index | – | 19.4%#93 | – | Vals AI | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 944.2#72 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 34.1%#153 | 39.7%#142 | – | Artificial Analysis | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1186#90 | Design Arena |
智能体与工具
数学
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 42.8%#63 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 14.6%#65 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 93.3%#68 | – | Epoch AI Benchmarking Hub | |
| ProofBench | 11.0%#69 | – | Vals AI | |
| LiveBench Mathematics不计入 Index推理强度未说明 | – | 84.3%#57 | LiveBench | |
| Arena Maths推理强度未说明 | – | 1419#126 | Arena (LMArena) |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | 33.2%#67 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index推理强度未说明 | – | 55.8%#63 | LiveBench | |
| MMLU-Pro | 85.8%#52 | – | Vals AI | |
| LegalBench推理强度未说明 | – | 84.5%#32 | Vals AI | |
| CorpFin推理强度未说明 | – | 68.5%#8 | Vals AI | |
| TaxEval推理强度未说明 | – | 70.8%#85 | Vals AI | |
| CaseLaw v2不计入 Index推理强度未说明 | – | 79.3%#1 | Vals AI | |
| Excel Modeling Benchmark不计入 Index | 18.4%#71 | – | Vals AI | |
| MedCode不计入 Index推理强度未说明 | – | 38.1%#71 | Vals AI | |
| MedScribe不计入 Index推理强度未说明 | – | 74.4%#79 | Vals AI | |
| Public Benefits Bench v1.1不计入 Index | 51.7%#45 | – | Vals AI | |
| GDP.pdf不计入 Index | 8.0%#53 | 8.0%#53 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 无推理 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| LiveBench Language不计入 Index推理强度未说明 | – | – | – | – | 73.6%#55 | LiveBench | |
| LiveBench Instruction Following不计入 Index推理强度未说明 | – | – | – | – | 62.8%#53 | LiveBench | |
| IFBench | 47.6%#190 | 81.0%#6 | 83.3%#1 | 81.3%#4 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | – | – | 1415#121 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1442#95 | Arena (LMArena) | |
| EQ-Bench 4 | 1065#29 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1422#83 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1448#97 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1443#103 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | – | – | – | 1229#79 | Arena (LMArena) | |
| MMMU-Pro | 64.8%#195 | 72.8%#142 | 75.8%#107 | 78.1%#88 | – | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index推理强度未说明 | – | – | – | – | 83.1%#34 | Vals AI | |
| MortgageTax不计入 Index推理强度未说明 | – | – | – | – | 48.3%#82 | Vals AI | |
| GeoBench不计入 Index推理强度未说明 | – | – | – | – | 56.0%#35 | GeoBench | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | – | – | 0.0%#33 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 无推理 | low | medium | high | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 32.3%#408 | 74.0%#185 | 75.0%#174 | 73.0%#199 | Artificial Analysis | |
| MLCR不计入 Index | 5.6%#151 | – | – | 8.3%#138 | Artificial Analysis |
综合
| 基准测试 | 无推理 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | – | 149.9#68 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index推理强度未说明 | – | – | – | – | 62.3%#67 | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 14.0#312 | 24.3#184 | 24.8#177 | 24.9#175 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 229.4#319 | 265.6#220 | 277.5#187 | 271.2#199 | – | Artificial Analysis | |
| Vals Multimodal Index不计入 Index | – | – | – | 43.3%#29 | – | Vals AI |
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。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| SpaceXAI | 70 tok/s | 1.39 s | $1.25 | $2.50 | 1M | – |
| SpaceXAI | 64 tok/s | 1.24 s | $1.25 | $2.50 | 1M | – |
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,价格为每百万 token $0.200。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 | $0.0013 | $0.0009 | 21.2 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.017 | $0.0071 | 24.8 s |
| 代码编辑 | 6,000 / 1,500 | $0.011 | $0.0065 | 35.4 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.085 | $0.038 | 1.1 min |
| 结构化信息提取 | 2,000 / 200 | $0.0030 | $0.0014 | 20.1 s |
将 Grok 4.3 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 4.3 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-4-3)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 4.3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-3
BibTeX:
@misc{benchleader_grok_4_3_20261116,
author = {{BenchLeader}},
title = {{Grok 4.3 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-4-3}},
note = {Data as of 2026-11-16}
}常见问题
- Grok 4.3 的基准测试得分是多少?
- 截至 2026年11月16日,Grok 4.3(推理强度 high)的 BenchLeader Index 为 56.5 ±6.7。最强的是指令遵循(79),最弱的是智能体与工具(45)。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 4.3 排名第几?
- 截至 2026年11月16日,Grok 4.3(推理强度 high)在 608 个已排名配置中排第 180 名。另有 323 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 4.3 每百万 token 的价格是多少?
- 截至 2026年11月16日,Grok 4.3 的价格为输入每百万 token $1.25、输出每百万 token $2.50,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.56。
- Grok 4.3 比 GPT-5.2-Codex 更好吗?
- 截至 2026年11月16日,GPT-5.2-Codex 与 Grok 4.3(推理强度 high)的质量不相上下(BenchLeader Index 57.6 比 56.5,在 ±12.0 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 4.3 是什么时候发布的?
- SpaceXAI 于 2026年4月17日发布了 Grok 4.3。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 4.3: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-4-3。