Grok 4.5
xAI· 2026-07-08 上线
综合第 28 名
51.0
编程
50.5第 26 名
科研
50.6第 42 名
专业办公
49.8第 24 名
知识问答
54.6第 24 名
- 评测覆盖
- 16 / 25 项 · 64%
- 缓存输入
- ¥2.02
- 输入
- ¥13.45
- 输出
- ¥40.35
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 53.8% | 47.8 | high | 26 |
| FrontierCode | 42.4% | 54.1 | 未注明 | 46 |
| WebDev Arena | 1,555 | 55.4 | 未注明 | 96 |
| ALE-Bench | 1,309 | 53.4 | high | 88 |
| WeirdML | 46.4% | 41.7 | 未注明 | 60 |
科研
| 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） | 57.2% | 48.1 | high | 66 |
| FrontierMath（4 级） | 24.4% | 43.9 | high | 57 |
| CritPt | 15.4% | 53.1 | high | 101 |
| ProofBench | 31.0% | 46.5 | high | 77 |
| OTIS Mock AIME | 97.8% | 55.2 | high | 87 |
| SciCode | 55.0% | 56.9 | high | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 56.2% | 54.2 | 未注明 | 49 |
| Vending-Bench 2 | $3,887 | 45.3 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 48.3% | 51.2 | high | 65 |
| GPQA Diamond | 93.4% | 55.2 | high | 84 |
| SimpleBench | 70.0% | 57.3 | 未注明 | 39 |
仅展示（不计分）
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 |
|---|---|---|---|---|
| ARC-AGI-2 | 52.6% | 不计分 | high | 52 |
| ARC-AGI | 87.2% | 不计分 | medium | 52 |
| 国际象棋谜题 | 35.0% | 不计分 | high | 88 |
原始成绩取这个模型各个推理档位（high、未注明、medium、low）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。