Skip to content

Grok 4.5

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
xAI

Released: 2026-07-08 · Context: 500K tokens

58.9

Overall rank 48

Official API prices ¥ / million tokens

Input
¥13.33 ($2)
Output
¥40 ($6)
Cache hits
¥2 ($0.3)

提示词不到 200K Token 的价格;达到 200K 时整个请求按输入 $4、输出 $12、缓存命中 $0.60/百万 Token 计费。

提示词不到 200K Token 的价格;达到 200K 时整个请求按输入 $4、输出 $12、缓存命中 $0.60/百万 Token 计费。

Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合4858.936
编程5157.511
科研5458.76
专业办公4961.68
知识问答43606

编程 · 57.5

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI0.0%77.2342026-11-18
Notes

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor53.6%66122026-11-18
Notes

代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench56.5%60.4512026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI69.0%59.4582026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TapTap Maker ↗

在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。

TapTap Maker72.0%59302026-11-18
Notes

代表配置:High 推理 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis55.0%56.4642026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CyberBench Patch v1.1 ↗

修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。

Vals AI80.4%56.1382026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI32.2%55352026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis10.6%54.81302026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench12.4%51.5552026-11-18
Notes

代表配置:High 推理 · Grok Build。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI8.6%50.1542026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench68.6%49.2512026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

科研 · 58.7

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench87.2%61.6292026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis15.4%61.11022026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis42.7%59.7762026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI35.0%57632026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize52.6%56.81242026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI57.2%54.9512026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 61.6

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis57.9%66802026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor56.2%64.6312026-11-18
Notes

代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI38.0%63.8492026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI24.9%61.3492026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis35.0%59.6412026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,277.159.31112026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench73.0%58.7452026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,388.458.3962026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI43.3%—462026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 60

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench82.8%64.3192026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench55.0%63.6882026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench71.5%62.9192026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur79.9%60.4592026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis16.1%57.9912026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI48.3%57.4372026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis79.3%53.11112026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 58

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,552.557.4532026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,465.856.7552026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Benchmarks without results

  • Code Migration v1.1
  • FrontierCode 2.0 · AA
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • FrontierSWE v2
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt v2 Hard · AA
  • Mystery Game Puzzles
  • MysteryMechanism
  • Terminal-Bench Science · Vals
  • Terminal-Bench Science · AA
  • BioMysteryBench
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • Excel Modeling v1.1
  • AA-Omniscience v1.1
  • 司南 · 知识

Recent news

10-30Grok 4.5→4.7 人格基准:谄媚与废话大降Artificial Analysis

08-13Grok 4.5 与 4.6 对比视频合集Eric Zakariasson

08-07Grok 4.5 以 13 倍低成本击败 Kimi K3Rohan Paul

08-05Grok 4.5 免费体验,推荐 Build 工具链Elon Musk

08-01Grok 4.5 速度成本综合 Pareto 第一Elon Musk

08-01Grok 4.5 登顶 DeepsecBench 性价比榜首cb_doge