Grok 4.7
xAI· 2026-09-21 上线
综合第 17 名
54.6
编程
55.0第 14 名
科研
50.9第 39 名
专业办公
58.1第 10 名
知识问答
55.2第 23 名
- 评测覆盖
- 14 / 25 项 · 56%
- 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 |
|---|---|---|---|---|
| FrontierCode | 47.6% | 57.9 | 未注明 | 46 |
| FrontierSWE | 29.5% | 47.4 | xhigh | 21 |
| CursorBench | 46.3% | 53.4 | xhigh | 17 |
| WebDev Arena | 1,638 | 61.2 | xhigh | 96 |
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） | 53.0% | 46.2 | xhigh | 66 |
| FrontierMath（4 级） | 17.1% | 41.3 | xhigh | 57 |
| CritPt | 18.0% | 55.5 | high | 101 |
| ProofBench | 34.0% | 47.5 | 未注明 | 77 |
| OTIS Mock AIME | 98.1% | 55.3 | xhigh | 87 |
| SciCode | 57.8% | 59.9 | 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 | 54.6% | 53.1 | 未注明 | 49 |
| Vending-Bench 2 | $10,537 | 63.2 | 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 | 56.0% | 55.7 | xhigh | 65 |
| GPQA Diamond | 92.7% | 54.6 | xhigh | 84 |
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 | 61.4% | 不计分 | xhigh | 52 |
| ARC-AGI | 90.2% | 不计分 | high | 52 |
| 国际象棋谜题 | 41.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（未注明、xhigh、high、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。