Grok 4.3 Beta

xAI· 2026-04-17 上线

综合第 50 名

42.9

编程

44.1

科研

45.0第 63 名

专业办公

34.9

知识问答

46.9第 49 名

价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。

编程

评测	原始成绩	标准分	最好成绩的档位	比较模型数
WebDev Arena	1,357	41.6	未注明	96
ALE-Bench	944	47.0	未注明	88
WeirdML	49.9%	43.7	未注明	60

评测	原始成绩	标准分	最好成绩的档位	比较模型数
FrontierMath（1–3 级）	42.8%	41.4	high	66
FrontierMath（4 级）	14.6%	40.4	high	57
CritPt	8.0%	46.1	high	101
ProofBench	11.0%	40.1	high	77
OTIS Mock AIME	93.3%	52.5	high	87
SciCode	48.3%	49.6	high	97

评测	原始成绩	标准分	最好成绩的档位	比较模型数
Vending-Bench 2	$35	34.9	未注明	55

评测	原始成绩	标准分	最好成绩的档位	比较模型数
SimpleQA Verified	33.2%	42.4	high	65
GPQA Diamond	88.8%	51.4	high	84

这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。

评测	原始成绩	标准分	最好成绩的档位	比较模型数
国际象棋谜题	18.0%	不计分	high	88

原始成绩取这个模型各个推理档位（未注明、high、none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。数据 10月16日 06:10 更新。

数据来源：Epoch AI（CC BY 4.0），本站按公开方法折算排名，不代表 Epoch AI 的观点。