Grok 4.6
性价比更高: Qwen3.6 Plus $1.13/M 即可获得 Index 59.0,便宜 63%。
有 7 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 4 个。
截至 2026年11月16日,Grok 4.6(SpaceXAI)在 BenchLeader Index 上得分 60.6(在 608 个已排名配置中前 100 名)。表现最好的是长上下文(65),最弱的是智能体与工具(59)。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 73 token/秒(Artificial Analysis)。发布于 2026年8月11日。
要点(截至 2026年11月16日)
- Grok 4.6 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 4.6 的输出速度约为 73 token/秒(Artificial Analysis,2026年11月16日)。
- Grok 4.6 于 2026年8月11日发布(SpaceXAI)。
详细说明:Grok 4.6 是 SpaceXAI 的闭源推理模型,发布于 2026年8月11日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 60.6 ±3.4,在 608 个配置中排第 74 名,处于上半区。关键在于这个“±”:另有 191 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,长上下文得分最高(65),智能体与工具最低(59)。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 73 token/秒,首次回答需 28.6 秒,比大多数模型慢。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11月11日。
- 混合价格
- $3.00/M
- 输入 $2.00 · 输出 $6.00
- 来源:Artificial Analysis
- 输出速度
- 73 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 29 s
- 首 token 1.91 s
- 上下文
- 500k
- 来源:models.dev
- 完整回答
- 63 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8月11日
- 综合 Index61
- 推理64
- 编程61
- 智能体与工具59
- 数学63
- 知识60
- 人类偏好64
- 多模态60
- 长上下文65
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/grok-4-6)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本页 | 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 | 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 |
|---|---|---|---|---|---|---|
| low | 55.1 | #222 | 77 tok/s | 13 s | $0.0026 | 智能体与工具 67 · 编程 53 · 长上下文 65 · 推理 48 |
| medium | 59.4 | #107 | 72 tok/s | 19 s | $0.0026 | 智能体与工具 74 · 编程 62 · 长上下文 65 · 推理 60 |
| high最佳 | 60.6 | #74 | 73 tok/s | 29 s | $0.0026 | 智能体与工具 59 · 编程 61 · 人类偏好 64 · 知识 60 · 长上下文 65 · 数学 63 · 多模态 60 · 推理 64 |
| xhigh | 56.1 | #192 | 70 tok/s | 37 s | $0.0026 | 智能体与工具 65 · 编程 52 · 综合 48 · 知识 57 · 长上下文 65 · 数学 58 · 推理 56 |
| 未说明 | – | – | 65 tok/s | 1.91 s | $0.0026 | 智能体与工具 63 · 编程 62 · 数学 54 · 推理 67 |
Index 走势
2026年9月8日 至 2026年11月16日- high
- medium
- xhigh
- low
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
编程
智能体与工具
数学
| 基准测试 | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | – | 66.0%#38 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | 31.7%#40 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 97.8%#37 | 99.2%#22 | – | Epoch AI Benchmarking Hub | |
| ProofBench推理强度未说明 | – | – | 51.0%#32 | Vals AI | |
| LiveBench Mathematics不计入 Index推理强度未说明 | – | – | 92.6%#28 | LiveBench | |
| Arena Maths | 1445#86 | – | – | Arena (LMArena) |
知识
| 基准测试 | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SimpleQA Verified | 49.3%#33 | 48.9%#34 | – | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 Data Analysis不计入 Index | – | 75.3%#21 | – | LiveBench | |
| LiveBench Research不计入 Index | – | 88.8%#8 | – | LiveBench | |
| LiveBench 1.0 Data Analysis不计入 Index推理强度未说明 | – | – | 73.9%#40 | LiveBench | |
| AA-Omniscience v1.1 | – | 24.9#48 | – | Artificial Analysis | |
| MMLU-Pro | 89.4%#11 | – | – | Vals AI | |
| LegalBench | 86.3%#14 | – | – | Vals AI | |
| CorpFin | 66.2%#21 | – | – | Vals AI | |
| TaxEval | 71.1%#82 | – | – | Vals AI | |
| BioMysteryBench不计入 Index | 72.2%#12 | – | – | Vals AI | |
| Excel Modeling Benchmark不计入 Index | 62.7%#31 | – | – | Vals AI | |
| MedCode不计入 Index | 44.7%#38 | – | – | Vals AI | |
| MedScribe不计入 Index | 86.5%#22 | – | – | Vals AI | |
| Public Benefits Bench v1.1不计入 Index | 66.8%#17 | – | – | Vals AI | |
| Access to Justice Benchmark不计入 Index | 71.3%#13 | – | – | Vals AI | |
| Immigration Bench不计入 Index | 66.0%#16 | – | – | Vals AI | |
| EBR-bench不计入 Index | – | 30.5%#16 | – | Epoch AI Benchmarking Hub | |
| GDP.pdf不计入 Index | 16.0%#38 | 17.2%#34 | – | Epoch AI Benchmarking Hub | |
| AA-Omniscience v1.1: accuracy不计入 Index | – | 46.2%#48 | – | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | – | 60.3%#57 | – | Artificial Analysis | |
| FACTS Parametric不计入 Index推理强度未说明 | – | – | 44.5%#18 |
指令遵循
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench Language不计入 Index推理强度未说明 | – | 83.7%#18 | LiveBench | |
| LiveBench Instruction Following不计入 Index推理强度未说明 | – | 71.9%#21 | LiveBench | |
| Arena Instruction Following不计入 Index | 1451#65 | – | Arena (LMArena) |
人类偏好
| 基准测试 | high | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1457#69 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1442#58 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1449#90 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1476#55 | Arena (LMArena) |
多模态
| 基准测试 | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision | 1264#50 | – | – | Arena (LMArena) | |
| LiveBench Design不计入 Index | – | 76.3%#13 | – | LiveBench | |
| MortgageTax不计入 Index | 64.2%#45 | – | – | Vals AI | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | 33.2%#15 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | – | 40.0%#21 | – | Epoch AI Benchmarking Hub | |
| FACTS Multimodal不计入 Index推理强度未说明 | – | – | 39.3%#19 |
长上下文
| 基准测试 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 80.7%#74 | 81.0%#69 | 80.3%#81 | 81.0%#69 | – | Artificial Analysis | |
| Arena Document不计入 Index | – | – | 1450#33 | – | – | Arena (LMArena) | |
| MLCR不计入 Index | 15.0%#88 | 18.3%#67 | 15.6%#82 | 17.2%#75 | – | Artificial Analysis | |
| FACTS Grounding不计入 Index推理强度未说明 | – | – | – | – | 66.5%#14 |
综合
| 基准测试 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | – | 157.8#28 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | – | – | – | 63.5%#21 | – | LiveBench | |
| LiveBench 1.0不计入 Index推理强度未说明 | – | – | – | – | 78.0%#18 | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | – | – | – | 31.0#60 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 35.1#94 | 42.8#52 | 44.3#43 | 44.2#45 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 304.7#112 | 318.8#67 | 321.5#55 | 320.8#58 | – | Artificial Analysis | |
| Vals RSI Index不计入 Index | – | – | – | 25.5%#10 | – | Vals AI | |
| Vals Science Index不计入 Index | – | – | 38.1%#14 | – | – | Vals AI |
GameBench 2 Overall: 59.4. GameBench 2, best reasoning setting (Medium): 68.7. 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.
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 | 69 tok/s | 2.02 s | $2.00 | $6.00 | 500k | – |
| SpaceXAI | 59 tok/s | 2.35 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 $0.500。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 | $0.0022 | 32.7 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.028 | $0.014 | 36.8 s |
| 代码编辑 | 6,000 / 1,500 | $0.021 | $0.014 | 49.1 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.144 | $0.076 | 1.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0052 | $0.0030 | 31.3 s |
包含该模型的编程套餐
可以使用 Grok 4.6 的订阅套餐,列出各自的用量限制和单项任务成本。
将 Grok 4.6 与以下模型对比
- Grok 4.6 vs Gemini 4 Argon
- Grok 4.6 vs DeepSeek V4.1 Flash 1017
- Grok 4.6 vs GPT-6 Astra
- Grok 4.6 vs Grok 4.7
- Grok 4.6 vs Gemini 3.8 Flash
- Grok 4.6 vs Claude Opus 4.6
- Grok 4.6 vs Claude Sonnet 5.5
- Grok 4.6 vs GPT-5.4
- Grok 4.6 vs Muse Wonder
- Grok 4.6 vs GPT-5
- Grok 4.6 vs GPT-6 Sol
- Grok 4.6 vs DeepSeek V4 Flash
- Grok 4.6 vs GLM 5.3
- Grok 4.6 vs Gemini 3.1 Pro
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Grok 4.6 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-4-6)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 4.6 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-6
BibTeX:
@misc{benchleader_grok_4_6_20261116,
author = {{BenchLeader}},
title = {{Grok 4.6 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-4-6}},
note = {Data as of 2026-11-16}
}常见问题
- Grok 4.6 的基准测试得分是多少?
- 截至 2026年11月16日,Grok 4.6(推理强度 high)的 BenchLeader Index 为 60.6 ±3.4(前 100 名)。最强的是长上下文(65),最弱的是智能体与工具(59)。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 4.6 排名第几?
- 截至 2026年11月16日,Grok 4.6(推理强度 high)在 608 个已排名配置中排第 74 名(前 100 名)。另有 191 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 4.6 每百万 token 的价格是多少?
- 截至 2026年11月16日,Grok 4.6 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 4.6 比 Kimi K3 更好吗?
- 截至 2026年11月16日,Grok 4.6(推理强度 high)与 Kimi K3 的质量不相上下(BenchLeader Index 60.6 比 60.7,在 ±6.9 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 4.6 是什么时候发布的?
- SpaceXAI 于 2026年8月11日发布了 Grok 4.6。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 4.6: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-4-6。