模型评测对比
最新基准汇总
Grok 4 Heavy与OpenAI o3、Claude Opus 4、Gemini 2.5-Pro等模型对比
本页面提供Grok 4 Heavy,OpenAI o3,Claude Opus 4,Gemini 2.5-Pro,Grok 4模型的对比，包括参数、开源情况、API价格等。同时，页面也会展示Grok 4 Heavy,OpenAI o3,Claude Opus 4,Gemini 2.5-Pro,Grok 4模型在HLE,GPQA Diamond,AIME2025,ARC-AGI-2等评测基准中的详细对比数据，评测数据来自系统收录结果汇总。
📊 左右滑动可查看更多模型数据 →
Grok 4 Heavy
xAI 发布的聊天大模型模型。
核心信息
开发机构
xAI
xAI
发布时间
2025-07-10
模型类型
聊天大模型
MoE 架构
性能与规格
总参数量
未公开
激活参数量
未公开
模型大小
推理能力
推理速度
思考模式
深度思考
最大上下文
128K
最大输出
8192
支持模态
Input
Output
开源与许可
开源与许可
代码开源
--
权重开源
--
商业用途
不开源
相关资源
论文/报告
模型详细介绍
--
相关链接
OpenAI o3
OpenAI 发布的推理大模型模型。
OpenAI
Claude Opus 4
Anthropic 发布的推理大模型模型。
Anthropic
Gemini 2.5-Pro
Google Deep Mind 发布的推理大模型模型。
核心信息
开发机构
Google Deep Mind
Google Deep Mind
发布时间
2025-06-05
模型类型
推理大模型
MoE 架构
性能与规格
总参数量
未公开
激活参数量
未公开
模型大小
推理能力
推理速度
思考模式
深度思考
最大上下文
1000K
最大输出
65536
支持模态
Input
Output
开源与许可
开源与许可
代码开源
--
权重开源
--
商业用途
不开源
相关资源
论文/报告
查看
模型详细介绍
阅读
相关链接
评测对比模式筛选
当前大多数模型的评测都有不同的模式，包括是否使用推理过程，是否使用工具等，建议选择特定模式对比。
点击下方任一按钮，将 过滤模型的模式的对比表格，并同步更新
汇总图 与 各基准小图。
快捷组合
思考模式
说明：Thinking（默认）在检测到 low / medium / high 子模式时只保留 medium 版本，点击 Thinking（全部）可查看所有子模式。
工具使用
Grok 4 Heavy与OpenAI o3、Claude Opus 4、Gemini 2.5-Pro等模型各评测基准得分对比表
| 评测基准 |
Grok 4 Heavy
parallel_thinking + 使用工具
|
Grok 4 Heavy
parallel_thinking
|
OpenAI o3
thinking
|
Claude Opus 4
normal
|
Gemini 2.5-Pro
thinking
|
Grok 4
thinking + 使用工具
|
Grok 4
thinking + 使用工具+联网
|
Grok 4
thinking
|
|---|---|---|---|---|---|---|---|---|
|
HLE
综合评估
|
44.4 | -- | 20.32 | 10.7 | 21.6 | 38.6 | 38.6 | 25.4 |
|
GPQA Diamond
综合评估
|
-- | 88.9 | 83.3 | 79.6 | 86.4 | -- | -- | 87 |
|
AIME2025
数学推理
|
-- | 100 | 88.9 | 75.5 | 88 | 98.8 | -- | 91.7 |
|
ARC-AGI-2
综合评估
|
-- | -- | 6.5 | 8.6 | 4.9 | -- | -- | 15.9 |