xAI
Grok 4 评测成绩
来自 4 个来源、7 项基准的 13 条成绩。
闭源 发布: 2025年7月9日 更新于 2026年10月22日
其他名称: grok-4-0709 · Grok-4-0709 (Prompt) · Grok-4-0709 (FC) · Grok-4
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1411 | 147 | Overall, style control on; 39691 votes; 95% CI 1407–1415“grok-4-0709” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1184 | 96 | Overall, style control on; 30184 votes; 95% CI 1177–1192“grok-4-0709” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 87.0% | 72 | Epoch AI run, accuracy | 独立评测 | 2025年7月9日 |
| MMLU-Pro | 87.0% | 18 | Overall accuracy; data source: Self-Reported“Grok-4” | 厂商自报 | 2026年3月11日 |
| AIME (OTIS Mock AIME 2024–2025) | 84.0% | 101 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年7月9日 |
| Terminal-Bench 2.0 | 27.2% | 140 | Terminal-Bench 2.0; agent: OpenHands | 官方榜单 via Epoch AI | 2025年11月2日 |
| Terminal-Bench 2.0 | 27.2% | 141 | Terminal-Bench 2.0; agent: OpenHands | 官方榜单 via Epoch AI | 2025年7月9日 |
| Terminal-Bench 2.0 | 25.4% | 149 | Terminal-Bench 2.0; agent: Mini-SWE-Agent | 官方榜单 via Epoch AI | 2025年11月3日 |
| Terminal-Bench 2.0 | 25.4% | 151 | Terminal-Bench 2.0; agent: Mini-SWE-Agent | 官方榜单 via Epoch AI | 2025年7月9日 |
| Terminal-Bench 2.0 | 23.1% | 160 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年7月9日 |
| Terminal-Bench 2.0 | 23.1% | 161 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年10月31日 |
| BFCL v4 (function calling) | 63.0% | 9 | Overall accuracy; prompt-based“Grok-4-0709 (Prompt)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 61.4% | 10 | Overall accuracy; native function calling (FC)“Grok-4-0709 (FC)” | 官方榜单 | 2026年10月17日 |
常见问题
Grok 4 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset和MMLU-Pro leaderboard (TIGER-Lab)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。