BenchLeader

Grok 4.5

推理强度
质量第 47 / 339 名
59.3Index
前四分之一
较中位数 +9.1
价格第 187 / 255 名
$3.00每百万 token
比多数贵
中位数的 3.5 倍
速度第 169 / 216 名
49token/秒
后四分之一
中位数的 0.6 倍
性价比第 187 / 255 名
19.8分/$
低于中位数
中位数的 0.4 倍

性价比更高: GLM 5.3 Flash $0.238/M 即可获得 Index 57.8,价格只有 13 分之一。

有 10 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50),另有 7 个。

截至 2026年11月16日,Grok 4.5(SpaceXAI)在 BenchLeader Index 上得分 59.3(共 608 个已排名配置)。表现最好的是推理(67),最弱的是智能体与工具(55)。API 价格为输入每百万 token $2.00、输出每百万 token $6.00(按 3:1 混合为 $3.00),为 2026年11月16日的标价。输出速度约为 49 token/秒(OpenRouter)。发布于 2026年7月8日。

要点(截至 2026年11月16日)

  • Grok 4.5 的 API 价格为输入每百万 token $2.00、输出每百万 token $6.00(按 3:1 混合为 $3.00)(标价,2026年11月16日)。
  • Grok 4.5 的输出速度约为 49 token/秒(OpenRouter,2026年11月16日)。
  • Grok 4.5 于 2026年7月8日发布(SpaceXAI)。

详细说明:Grok 4.5 是 SpaceXAI 的闭源推理模型,发布于 2026年7月8日。其最佳配置在 BenchLeader Index 上得分 59.3 ±4.1,在 608 个配置中排第 109 名,处于上半区。关键在于这个“±”:另有 225 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,推理得分最高(67),智能体与工具最低(55)。按混合价格计,每百万 token $3.00,比大多数已排名模型贵。输出速度为 49 token/秒,首 token 延迟 1.4 秒,位于最慢的四分之一。它已在 4 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
$3.00/M
输入 $2.00 · 输出 $6.00
来源:OpenRouter
输出速度
49 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
1.41 s
上下文
500k
来源:OpenRouter
单任务成本
–
单任务 token 数
–
发布日期
2026年7月8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 Index59
  2. 推理67
  3. 编程57
  4. 智能体与工具55
  5. 数学65
  6. 人类偏好65
  7. 多模态63

嵌入这个排名

更多徽章样式
[![Grok 4.5 on BenchLeader: 综合第 47 名](https://www.benchleader.com/badge/grok-4-5.svg?style=compact)](https://www.benchleader.com/models/grok-4-5)

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 4.5本页2026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 4.12025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
low––49 tok/s1.41 s$0.0026推理 48
medium––49 tok/s1.41 s$0.0026推理 53
high56.8#16765 tok/s10 s$0.0026智能体与工具 52 · 编程 57 · 知识 60 · 长上下文 64 · 数学 53 · 多模态 63 · 推理 57
未说明最佳59.3#10949 tok/s1.41 s$0.0026智能体与工具 55 · 编程 57 · 人类偏好 65 · 数学 65 · 多模态 63 · 推理 67

Index 走势

2026年9月8日 至 2026年11月16日
495867
  • 默认
  • high

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lowmediumhigh默认来源趋势
GPQA Diamond––93.4%#21–Epoch AI Benchmarking Hub
SimpleBench推理强度未说明–––70.0%#27SimpleBench
Arena Hard Prompts推理强度未说明–––1488#55Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index推理强度未说明–––87.2%#29LiveBench
GPQA Diamond (AA)不计入 Index––93.1%#24–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index––42.7%#75–Artificial Analysis
GPQA Diamond (Vals)不计入 Index––92.9%#12–Vals AI
Kagi LLM Benchmark推理强度未说明–––83.5%#6Kagi LLM Benchmark
ARC-AGI-179.2%#13087.2%#10485.7%#117–ARC Prize
ARC-AGI-233.1%#13452.6%#11252.6%#112–ARC Prize
ARC-AGI-30.3%#630.3%#630.3%#63–ARC Prize
CritPt不计入 Index––15.4%#100–Artificial Analysis
Arena Expert不计入 Index推理强度未说明–––1489#64Arena (LMArena)
Chess Puzzles不计入 Index––35.0%#61–Epoch AI Benchmarking Hub
LMCA不计入 Index––45.2%#95–Epoch AI Benchmarking Hub
DTBench不计入 Index––96.5%#27–Epoch AI Benchmarking Hub
ForecastBench不计入 Index––65.8%#8–ForecastBench

编程

基准测试lowmediumhigh默认来源趋势
SciCode––55.0%#61–SciCode
WeirdML推理强度未说明–––46.4%#79WeirdML
FrontierCode推理强度未说明–––42.4%#21Cognition
Arena Coding推理强度未说明–––1514#50Arena (LMArena)
Arena WebDev推理强度未说明–––1553#51Arena (LMArena)
LiveBench 1.0 Coding不计入 Index推理强度未说明–––68.6%#64LiveBench
SciCode (AA)不计入 Index––55.0%#64–Artificial Analysis
LiveCodeBench––87.3%#14–Vals AI
IOI––40.6%#35–Vals AI
SWE-bench (Vals)不计入 Index––86.6%#13–Vals AI
Code Migration不计入 Index––36.6%#35–Vals AI
ProgramBench不计入 Index––0.0%#34–Vals AI
Vibe Code Bench v1.1不计入 Index––69.0%#53–Vals AI
MirrorCode不计入 Index––32.2%#33–Epoch AI Benchmarking Hub
Surface Evolver Bench不计入 Index––74.4%#10–Epoch AI Benchmarking Hub
DeepSWE v1.1不计入 Index––53.8%#42–Epoch AI Benchmarking Hub
ALE-Bench不计入 Index––1309.3#39–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index––10.6%#116–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index––81.7%#40–Artificial Analysis
Startrise Frontend不计入 Index推理强度未说明–––68.0%#21Startrise
GameBench 2 Overall不计入 Index跨设置–––56.7#23DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index48.4#10560.3#6461.5#62–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明–––1273#40Design Arena

智能体与工具

基准测试high默认来源趋势
Terminal-Bench12.4%#97–Terminal-Bench
APEX-Agents推理强度未说明–56.2%#24Mercor
LiveBench Agentic Coding不计入 Index推理强度未说明–56.5%#27LiveBench
Terminal-Bench 2.1 (Vals)67.8%#32–Vals AI
τ³-bench Banking不计入 Index47.9%#3–τ²-bench
GDPval-AA v2.1不计入 Index1388#93–Artificial Analysis
τ³-Banking (AA)42.1%#23–Artificial Analysis
Analyst Agent (AA)不计入 Index35.0%#30–Artificial Analysis
CyberBench不计入 Index71.0%#20–Vals AI
Finance Agent v2不计入 Index48.4%#51–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index12.9%#12–Vals AI
Legal Research Bench不计入 Index38.0%#44–Vals AI
SkillsBench不计入 Index66.0%#2–Vals AI
SREBench不计入 Index0.8%#28–Vals AI
Tax Agent Bench不计入 Index24.9%#46–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index8.6%#49–Vals AI
Time Horizon Index: KSP不计入 Index6.3%#11–Vals AI
Web Search Index不计入 Index35.5%#5–Vals AI
Arena Search不计入 Index推理强度未说明–1205#16Arena (LMArena)
PostTrainBench不计入 Index22.6%#18–Epoch AI Benchmarking Hub
GBAEval不计入 Index推理强度未说明–65.4%#4Epoch AI Benchmarking Hub
Vending-Bench 2不计入 Index推理强度未说明–3887.4#45Andon Labs
AutomationBench不计入 Index57.9%#67–Artificial Analysis
GDP.pdf (AA)不计入 Index18.8%#94–Artificial Analysis
EnterpriseOps-Gym不计入 Index40.8%#26–Artificial Analysis
AA-Briefcase v1.1不计入 Index1277#99–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–1221#32Design Arena

数学

基准测试high默认来源趋势
FrontierMath Tiers 1–357.2%#49–Epoch AI Benchmarking Hub
FrontierMath Tier 424.4%#54–Epoch AI Benchmarking Hub
OTIS Mock AIME97.8%#37–Epoch AI Benchmarking Hub
ProofBench31.0%#45–Vals AI
LiveBench Mathematics不计入 Index推理强度未说明–90.8%#34LiveBench
Arena Maths推理强度未说明–1470#53Arena (LMArena)

知识

基准测试high默认来源趋势
SimpleQA Verified48.3%#36–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index推理强度未说明–73.0%#43LiveBench
MMLU-Pro89.2%#14–Vals AI
LegalBench86.0%#19–Vals AI
CorpFin67.4%#13–Vals AI
TaxEval71.7%#73–Vals AI
Excel Modeling Benchmark不计入 Index52.9%#53–Vals AI
MedCode不计入 Index43.3%#44–Vals AI
MedScribe不计入 Index86.9%#19–Vals AI
GDP.pdf不计入 Index14.0%#42–Epoch AI Benchmarking Hub
FACTS Parametric不计入 Index推理强度未说明–42.5%#20Google

指令遵循

基准测试默认来源趋势
LiveBench Language不计入 Index82.8%#23LiveBench
LiveBench Instruction Following不计入 Index71.5%#23LiveBench
Arena Instruction Following不计入 Index1462#52Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1466#55Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1576#50EQ-Bench
Arena Creative Writing不计入 Index1452#37Arena (LMArena)
Arena Multi-turn不计入 Index1472#59Arena (LMArena)
Arena Longer Queries不计入 Index1480#49Arena (LMArena)

多模态

基准测试high默认来源趋势
Arena Vision推理强度未说明–1288#29Arena (LMArena)
MMMU-Pro80.4%#58–Artificial Analysis
MMMU-Pro (Vals)不计入 Index61.8%#81–Vals AI
MortgageTax不计入 Index61.8%#57–Vals AI
Blueprint-Bench 2不计入 Index推理强度未说明–27.3%#24Epoch AI Benchmarking Hub
Furniture Assembly不计入 Index22.5%#35–Epoch AI Benchmarking Hub

长上下文

基准测试high默认来源趋势
AA-LCR v1.179.3%#110–Artificial Analysis
Arena Document不计入 Index推理强度未说明–1466#24Arena (LMArena)
MLCR不计入 Index16.1%#79–Artificial Analysis

综合

基准测试high默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–155.0#45Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index推理强度未说明–75.8%#35LiveBench
AA Intelligence Index v4.3.2不计入 Index38.8#79–Artificial Analysis
AA Progress Index v1不计入 Index312.3#87–Artificial Analysis
Vals Multimodal Index不计入 Index63.4%#15–Vals AI

GameBench 2 Overall: 56.7. GameBench 2, best reasoning setting (High): 61.5. 仅供参考,不计入 BenchLeader Index。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

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
SpaceXAI64 tok/s1.35 s$2.00$6.00500k–
SpaceXAI44 tok/s1.50 s$2.00$6.00500k–

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 $0.300。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$0.0026$0.00217.5 s
总结一份 30 页的报告12,000 / 600$0.028$0.01213.7 s
代码编辑6,000 / 1,500$0.021$0.01332.0 s
智能体编程会话60,000 / 4,000$0.144$0.0681.4 min
结构化信息提取2,000 / 200$0.0052$0.00275.5 s

SpaceXAI 的更多模型

本月新上线

将 Grok 4.5 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 4.5 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 4.5 on BenchLeader: 综合第 47 名](https://www.benchleader.com/badge/grok-4-5.svg)](https://www.benchleader.com/models/grok-4-5)

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 4.5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-5

BibTeX:

@misc{benchleader_grok_4_5_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 4.5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-4-5}},
  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 4.5 的基准测试得分是多少?
截至 2026年11月16日,Grok 4.5 的 BenchLeader Index 为 59.3 ±4.1。最强的是推理(67),最弱的是智能体与工具(55)。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 4.5 排名第几?
截至 2026年11月16日,Grok 4.5 在 608 个已排名配置中排第 109 名。另有 225 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 4.5 每百万 token 的价格是多少?
截至 2026年11月16日,Grok 4.5 的价格为输入每百万 token $2.00、输出每百万 token $6.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $3.00。
Grok 4.5 比 GLM 5.2 更好吗?
截至 2026年11月16日,GLM 5.2(推理强度 max)与 Grok 4.5 的质量不相上下(BenchLeader Index 58.9 比 59.3,在 ±5.7 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 4.5 是什么时候发布的?
SpaceXAI 于 2026年7月8日发布了 Grok 4.5。BenchLeader 收录了它在 4 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 4.5: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-4-5。