BenchLeader

Grok 4.3

推理强度
质量第 87 / 339 名
56.5Index
高于中位数
较中位数 +6.3
价格第 163 / 255 名
$1.56每百万 token
比多数贵
中位数的 1.8 倍
速度第 102 / 216 名
85token/秒
高于中位数
中位数的 1.0 倍
性价比第 162 / 255 名
36.1分/$
低于中位数
中位数的 0.7 倍

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
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63
  3. 编程58
  4. 智能体与工具45
  5. 数学46
  6. 知识50
  7. 指令遵循79
  8. 多模态60
  9. 长上下文61

嵌入这个排名

更多徽章样式
[![Grok 4.3 on BenchLeader: 综合第 86 名](https://www.benchleader.com/badge/grok-4-3.svg?style=compact)](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。

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 4.3high本页2026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 4.12025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
无推理46.3#43580 tok/s1.04 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/s11 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/s14 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#18085 tok/s18 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#23067 tok/s1.17 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
405367
  • 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lowmediumhigh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#109Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index推理强度未说明––––70.8%#65LiveBench
GPQA Diamond (AA)不计入 Index65.8%#34484.3%#14689.0%#8490.1%#64–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index6.8%#40318.4%#25030.0%#16737.2%#119–Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明––––91.4%#22Vals AI
CritPt不计入 Index0.0%#3370.6%#2744.9%#1748.0%#153–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––––1454#112Arena (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%#43ForecastBench

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%#69WeirdML
Arena Coding推理强度未说明––1487#103Arena (LMArena)
Arena WebDev推理强度未说明––1357#119Arena (LMArena)
LiveBench 1.0 Coding不计入 Index推理强度未说明––69.9%#63LiveBench
SciCode (AA)不计入 Index39.4%#19748.3%#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#72Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index0.0%#1860.0%#186–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index34.1%#15339.7%#142–Artificial Analysis
Design Arena Website不计入 Index推理强度未说明––1186#90Design Arena

智能体与工具

基准测试无推理lowmediumhigh默认来源趋势
LiveBench Agentic Coding不计入 Index推理强度未说明––––18.5%#68LiveBench
Terminal-Bench Hard18.9%#17026.5%#13230.3%#11537.9%#62–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index65.8%#16888.9%#7191.2%#6097.7%#9–Artificial Analysis
Terminal-Bench 2.1 (Vals)–––42.0%#66–Vals AI
GDPval-AA v2.1不计入 Index949#195––945#196–Artificial Analysis
τ³-Banking (AA)8.0%#161––12.4%#135–Artificial Analysis
ITBench SRE (AA)不计入 Index–––32.7%#30–Artificial Analysis
Analyst Agent (AA)不计入 Index–––8.8%#48–Artificial Analysis
APEX-Agents (AA)不计入 Index–––17.0%#21–Artificial Analysis
Finance Agent v2不计入 Index–––37.7%#66–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–––0.4%#61–Vals AI
Legal Research Bench不计入 Index–––15.4%#74–Vals AI
SkillsBench不计入 Index–––40.6%#28–Vals AI
Tax Agent Bench不计入 Index–––6.2%#77–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明––––43.5%#27Vals AI
Arena Search不计入 Index推理强度未说明––––1194#24Arena (LMArena)
Vending-Bench 2不计入 Index推理强度未说明––––35.3#67Andon Labs
AutomationBench不计入 Index0.9%#233––1.4%#225–Artificial Analysis
GDP.pdf (AA)不计入 Index2.8%#218––5.8%#190–Artificial Analysis
EnterpriseOps-Gym不计入 Index–––26.3%#48–Artificial Analysis
AA-Briefcase v1.1不计入 Index724#198––763#192–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明––––1042#70Design Arena

数学

基准测试high默认来源趋势
FrontierMath Tiers 1–342.8%#63–Epoch AI Benchmarking Hub
FrontierMath Tier 414.6%#65–Epoch AI Benchmarking Hub
OTIS Mock AIME93.3%#68–Epoch AI Benchmarking Hub
ProofBench11.0%#69–Vals AI
LiveBench Mathematics不计入 Index推理强度未说明–84.3%#57LiveBench
Arena Maths推理强度未说明–1419#126Arena (LMArena)

知识

基准测试high默认来源趋势
SimpleQA Verified33.2%#67–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index推理强度未说明–55.8%#63LiveBench
MMLU-Pro85.8%#52–Vals AI
LegalBench推理强度未说明–84.5%#32Vals AI
CorpFin推理强度未说明–68.5%#8Vals AI
TaxEval推理强度未说明–70.8%#85Vals AI
CaseLaw v2不计入 Index推理强度未说明–79.3%#1Vals AI
Excel Modeling Benchmark不计入 Index18.4%#71–Vals AI
MedCode不计入 Index推理强度未说明–38.1%#71Vals AI
MedScribe不计入 Index推理强度未说明–74.4%#79Vals AI
Public Benefits Bench v1.1不计入 Index51.7%#45–Vals AI
GDP.pdf不计入 Index8.0%#538.0%#53Epoch AI Benchmarking Hub

指令遵循

基准测试无推理lowmediumhigh默认来源趋势
LiveBench Language不计入 Index推理强度未说明––––73.6%#55LiveBench
LiveBench Instruction Following不计入 Index推理强度未说明––––62.8%#53LiveBench
IFBench47.6%#19081.0%#683.3%#181.3%#4–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––––1415#121Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1442#95Arena (LMArena)
EQ-Bench 41065#29EQ-Bench
Arena Creative Writing不计入 Index1422#83Arena (LMArena)
Arena Multi-turn不计入 Index1448#97Arena (LMArena)
Arena Longer Queries不计入 Index1443#103Arena (LMArena)

多模态

基准测试无推理lowmediumhigh默认来源趋势
Arena Vision推理强度未说明––––1229#79Arena (LMArena)
MMMU-Pro64.8%#19572.8%#14275.8%#10778.1%#88–Artificial Analysis
MMMU-Pro (Vals)不计入 Index推理强度未说明––––83.1%#34Vals AI
MortgageTax不计入 Index推理强度未说明––––48.3%#82Vals AI
GeoBench不计入 Index推理强度未说明––––56.0%#35GeoBench
Blueprint-Bench 2不计入 Index推理强度未说明––––0.0%#33Epoch AI Benchmarking Hub

长上下文

基准测试无推理lowmediumhigh来源趋势
AA-LCR v1.132.3%#40874.0%#18575.0%#17473.0%#199Artificial Analysis
MLCR不计入 Index5.6%#151––8.3%#138Artificial Analysis

综合

基准测试无推理lowmediumhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––––149.9#68Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index推理强度未说明––––62.3%#67LiveBench
AA Intelligence Index v4.3.2不计入 Index14.0#31224.3#18424.8#17724.9#175–Artificial Analysis
AA Progress Index v1不计入 Index229.4#319265.6#220277.5#187271.2#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
SpaceXAI70 tok/s1.39 s$1.25$2.501M–
SpaceXAI64 tok/s1.24 s$1.25$2.501M–

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$0.000921.2 s
总结一份 30 页的报告12,000 / 600$0.017$0.007124.8 s
代码编辑6,000 / 1,500$0.011$0.006535.4 s
智能体编程会话60,000 / 4,000$0.085$0.0381.1 min
结构化信息提取2,000 / 200$0.0030$0.001420.1 s

SpaceXAI 的更多模型

本月新上线

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。

[![Grok 4.3 on BenchLeader: 综合第 86 名](https://www.benchleader.com/badge/grok-4-3.svg)](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}
}

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 4.3 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。