Grok 4.6
xAI· 2026-08-12 上线
综合第 13 名
55.5
编程
54.0第 17 名
科研
53.9第 29 名
专业办公
60.0第 7 名
知识问答
56.6第 18 名
- 评测覆盖
- 18 / 25 项 · 72%
- 缓存输入
- ¥3.36
- 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 | 67.5% | 56.6 | medium | 26 |
| FrontierCode | 48.0% | 58.3 | 未注明 | 46 |
| FrontierSWE | 25.3% | 45.0 | xhigh | 21 |
| CursorBench | 41.4% | 47.1 | xhigh | 17 |
| WebDev Arena | 1,618 | 59.8 | high | 96 |
| ALE-Bench | 1,508 | 56.9 | xhigh | 88 |
| WeirdML | 67.3% | 54.0 | high | 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） | 66.0% | 52.2 | xhigh | 66 |
| FrontierMath（4 级） | 31.7% | 46.5 | xhigh | 57 |
| CritPt | 19.7% | 57.1 | xhigh | 101 |
| ProofBench | 51.0% | 52.9 | 未注明 | 77 |
| OTIS Mock AIME | 99.2% | 56.0 | xhigh | 87 |
| SciCode | 56.5% | 58.5 | 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 | 65.3% | 60.7 | 未注明 | 49 |
| Vending-Bench 2 | $9,047 | 59.2 | 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 | 49.3% | 51.8 | high | 65 |
| GPQA Diamond | 94.0% | 55.7 | high | 84 |
| SimpleBench | 75.9% | 62.3 | 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 | 67.1% | 不计分 | xhigh | 52 |
| ARC-AGI | 87.5% | 不计分 | medium | 52 |
| 国际象棋谜题 | 33.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（medium、xhigh、high、low、未注明）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。