Grok 4.5
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
- 综合 Index59
- 推理67
- 编程57
- 智能体与工具55
- 数学65
- 人类偏好65
- 多模态63
嵌入这个排名
更多徽章样式[](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。
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本页 | 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 | 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
- 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 | low | medium | high | 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%#27 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | – | – | 1488#55 | Arena (LMArena) | |
| LiveBench 1.0 Reasoning不计入 Index推理强度未说明 | – | – | – | 87.2%#29 | LiveBench | |
| 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%#6 | Kagi LLM Benchmark | |
| ARC-AGI-1 | 79.2%#130 | 87.2%#104 | 85.7%#117 | – | ARC Prize | |
| ARC-AGI-2 | 33.1%#134 | 52.6%#112 | 52.6%#112 | – | ARC Prize | |
| ARC-AGI-3 | 0.3%#63 | 0.3%#63 | 0.3%#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#64 | Arena (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
智能体与工具
数学
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 57.2%#49 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 24.4%#54 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 97.8%#37 | – | Epoch AI Benchmarking Hub | |
| ProofBench | 31.0%#45 | – | Vals AI | |
| LiveBench Mathematics不计入 Index推理强度未说明 | – | 90.8%#34 | LiveBench | |
| Arena Maths推理强度未说明 | – | 1470#53 | Arena (LMArena) |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | 48.3%#36 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index推理强度未说明 | – | 73.0%#43 | LiveBench | |
| MMLU-Pro | 89.2%#14 | – | Vals AI | |
| LegalBench | 86.0%#19 | – | Vals AI | |
| CorpFin | 67.4%#13 | – | Vals AI | |
| TaxEval | 71.7%#73 | – | Vals AI | |
| Excel Modeling Benchmark不计入 Index | 52.9%#53 | – | Vals AI | |
| MedCode不计入 Index | 43.3%#44 | – | Vals AI | |
| MedScribe不计入 Index | 86.9%#19 | – | Vals AI | |
| GDP.pdf不计入 Index | 14.0%#42 | – | Epoch AI Benchmarking Hub | |
| FACTS Parametric不计入 Index推理强度未说明 | – | 42.5%#20 |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 82.8%#23 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 71.5%#23 | LiveBench | |
| Arena Instruction Following不计入 Index | 1462#52 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1466#55 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1576#50 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1452#37 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1472#59 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1480#49 | Arena (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#29 | Arena (LMArena) | |
| MMMU-Pro | 80.4%#58 | – | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | 61.8%#81 | – | Vals AI | |
| MortgageTax不计入 Index | 61.8%#57 | – | Vals AI | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | 27.3%#24 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | 22.5%#35 | – | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 79.3%#110 | – | Artificial Analysis | |
| Arena Document不计入 Index推理强度未说明 | – | 1466#24 | Arena (LMArena) | |
| MLCR不计入 Index | 16.1%#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#45 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index推理强度未说明 | – | 75.8%#35 | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 38.8#79 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 312.3#87 | – | Artificial Analysis | |
| Vals Multimodal Index不计入 Index | 63.4%#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 |
|---|---|---|---|---|---|---|
| SpaceXAI | 64 tok/s | 1.35 s | $2.00 | $6.00 | 500k | – |
| SpaceXAI | 44 tok/s | 1.50 s | $2.00 | $6.00 | 500k | – |
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 | $0.0021 | 7.5 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.028 | $0.012 | 13.7 s |
| 代码编辑 | 6,000 / 1,500 | $0.021 | $0.013 | 32.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.144 | $0.068 | 1.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0052 | $0.0027 | 5.5 s |
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。
[](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}
}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。