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
HLE (知识问答)
-- -- -- -- --
GPQA Diamond (常识推理)
-- -- -- -- --
AIME2025 (数学推理)
-- -- -- -- --
ARC-AGI-2 (综合评估)
-- -- -- -- --

Grok 4 Heavy模型评测结果对比图

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。