Grok 4 Heavy大模型评测基准与性能对比
本页面提供了Grok 4 Heavy,Grok 4,Gemini-2.5-Pro-Preview-06-05,Claude Opus 4,OpenAI o3模型在HLE,GPQA Diamond,AIME2025,ARC-AGI-2等评测基准中的详细对比数据，评测数据来源当前系统收录结果生成。数据如有问题可以通过微信公众号联系更正，感谢！
详细评测数据对比
| 评测基准 (Benchmark) | Grok 4 Heavy | Grok 4 | Gemini-2.5-Pro-Preview-06-05 | Claude Opus 4 | OpenAI o3 |
|---|---|---|---|---|---|
| -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- |
性能概览 (热力图)
颜色越深，代表得分越高。可快速发现模型在不同评测项上的整体表现模式。