Grok 4.5 评测详情
Grok 4.5 当前已收录的代表性评测结果包括 GPQA Diamond（18 / 271，得分 93.43）、SWE-Bench Pro - Public（7 / 60，得分 64.70）、SimpleBench（15 / 92，得分 70）。本页还提供与 6 个竞品模型及 3 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。
评测结果
Grok 4.5
评测结果
编程与软件工程
共 6 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 3 项评测评测名称 / 模式
得分
排名/总数
竞品对比
Grok 4.5 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Grok 4.5当前 | GPT-5.6 Sol | Claude Fable 5 | GLM-5.2 | Claude Sonnet 5 | GPT-5.6 Terra | Kimi K3 |
|---|---|---|---|---|---|---|---|
GPQA Diamond 科学与综合推理 | 93.43思考水平·高 | 93.50思考水平·高 | 85.86思考水平·高 | 91.86思考水平·高 | 90.53思考水平·极高 | 93.31思考水平·高 | 93.50思考水平·高 |
Creative Writing 写作和创作 | 1576.00常规模式 | 1964.10常规模式 | 1933.20常规模式 | 1750.90常规模式 | 1787.60常规模式 | 1850.00常规模式 | 2070.80常规模式 |
SimpleBench 常识推理 | 70.00思考水平·高 | 64.80思考水平·极高 | 81.90常规模式 | 58.80常规模式 | 60.60常规模式 | 48.90思考水平·极高 | 60.70思考水平·高 |
APEX-SWE 编程与软件工程 | 53.60思考水平·高 ｜ 工具 | -- | 58.80思考水平·高 ｜ 工具 | -- | -- | -- | -- |
CursorBench 3.2 编程与软件工程 | 66.70思考水平·高 ｜ 工具 | 67.20思考水平·高 ｜ 工具 | 70.50思考水平·高 ｜ 工具 | -- | -- | -- | -- |
DeepSWE 编程与软件工程 | 53.00思考水平·高 ｜ 工具 | 72.70思考水平·极高 ｜ 工具 | 70.00深度思考模式 ｜ 工具 | 44.00深度思考模式 ｜ 工具 | 54.00深度思考模式 ｜ 工具 | 69.60思考水平·极高 ｜ 工具 | 67.50思考水平·高 ｜ 工具 |
FrontierCode 1.1 编程与软件工程 | 56.60思考水平·高 ｜ 工具 | 60.60思考水平·高 ｜ 工具 | 63.60思考水平·高 ｜ 工具 | -- | -- | -- | -- |
SWE-Bench Pro - Public 编程与软件工程 | 64.70思考水平·高 ｜ 工具 | 64.60思考水平·极高 ｜ 工具 | 80.30深度思考模式 ｜ 工具 | 62.10开启思考 ｜ 工具 | -- | -- | -- |
SWE-Marathon 编程与软件工程 | 29.00思考水平·高 ｜ 工具 | -- | -- | 13.00思考水平·高 ｜ 工具 | -- | -- | 42.00思考水平·高 ｜ 工具 |
Terminal-Bench 2.1 AI Agent - 工具使用 | 83.30思考水平·高 ｜ 工具 | 88.80思考水平·高 | 88.00思考水平·高 ｜ 工具 | 81.00思考水平·高 ｜ 工具 | 80.40思考水平·极高 ｜ 工具 | 87.40思考水平·高 | 88.30思考水平·高 ｜ 工具 |
Terminal-Bench 3.0 AI Agent - 工具使用 | 15.70思考水平·高 ｜ 工具 | 34.60思考水平·高 ｜ 工具 | 34.10思考水平·高 ｜ 工具 | -- | -- | -- | -- |
Terminal-Bench 4.0 AI Agent - 工具使用 | 12.42思考水平·高 ｜ 工具 | 37.27思考水平·高 ｜ 工具 | 44.55思考水平·高 ｜ 工具 | -- | 12.42思考水平·高 ｜ 工具 | 21.52思考水平·高 ｜ 工具 | -- |
其余 6 个 benchmark 仍可在上方图表中查看。
Grok 4.5 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型的价格币种或计费单位不一致，暂不直接绘制统一柱状图，以下展示原始价格。
Grok 4.5
供应商: xAI
标准输入: $2 / 1M tokens
标准输出: $6 / 1M tokens
GPT-5.6 Sol
供应商: OpenAI
标准输入: $4 / 1M tokens
标准输出: $20 / 1M tokens
Claude Fable 5
供应商: Anthropic
标准输入: $10 / 1M tokens
标准输出: $50 / 1M tokens
GLM-5.2
供应商: 智谱AI
标准输入: $1.4 / 1M tokens
标准输出: $4.4 / 1M tokens
Claude Sonnet 5
供应商: Anthropic
标准输入: $2 / 1M tokens
标准输出: $10 / 1M tokens
GPT-5.6 Terra
供应商: OpenAI
标准输入: $2 / 1M tokens
标准输出: $12 / 1M tokens
Kimi K3
供应商: Moonshot AI
标准输入: ¥20 / 1M tokens
标准输出: ¥100 / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Grok 4.5 | xAI | $2 / 1M tokens | $6 / 1M tokens | — |
GPT-5.6 Sol | OpenAI | $4 / 1M tokens | $20 / 1M tokens | — |
Claude Fable 5 | Anthropic | $10 / 1M tokens | $50 / 1M tokens | — |
GLM-5.2 | 智谱AI | $1.4 / 1M tokens | $4.4 / 1M tokens | — |
Claude Sonnet 5 | Anthropic | $2 / 1M tokens | $10 / 1M tokens | — |
GPT-5.6 Terra | OpenAI | $2 / 1M tokens | $12 / 1M tokens | — |
Kimi K3 | Moonshot AI | ¥20 / 1M tokens | ¥100 / 1M tokens | — |
历代版本对比
Grok 4.5 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
3 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | Grok 4.5当前 | Grok 4.3 Beta |
|---|---|---|
GPQA Diamond 科学与综合推理 | 93.43思考水平·高 | 88.83思考水平·高 |
24.39思考水平·高 | 14.63思考水平·高 | |
FrontierMath v2 数学推理 | 57.19思考水平·高 | 42.81思考水平·高 |
单评测历史趋势图
当前查看：GPQA Diamond · 科学与综合推理
选择评测
Grok 4.5 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · USD / 1M tokens
若存在上下文阈值，图中标准价仅适用于以下范围：
Grok 4.20: 标准价适用于 <= 200000
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Grok 4.5 | xAI | $2 / 1M tokens | $6 / 1M tokens | — |
Grok 4.20 | xAI | $1.25 / 1M tokens | $2.5 / 1M tokens | <= 200000 |