Grok 4.6 评测详情
Grok 4.6 当前已收录的代表性评测结果包括 τ³-Banking（3 / 167，得分 50.70）、GPQA Diamond（9 / 253，得分 94）、ECI（18 / 167，得分 156.48）。本页还提供与 3 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 4.6
评测结果
抽象归纳与泛化
共 10 项评测评测名称 / 模式
得分
排名/总数
科学知识与推理
共 7 项评测评测名称 / 模式
得分
排名/总数
多轮记忆与持续上下文
共 5 项评测评测名称 / 模式
得分
排名/总数
仓库修复与多文件工程
共 5 项评测评测名称 / 模式
得分
排名/总数
跨能力聚合指数
共 3 项评测评测名称 / 模式
得分
排名/总数
科学计算与科研编程
共 5 项评测评测名称 / 模式
得分
排名/总数
客服与业务流程
共 6 项评测评测名称 / 模式
得分
排名/总数
法律
共 3 项评测评测名称 / 模式
得分
排名/总数
金融
共 3 项评测评测名称 / 模式
得分
排名/总数
数学
共 3 项评测评测名称 / 模式
得分
排名/总数
自主开发与终端任务
共 10 项评测评测名称 / 模式
得分
排名/总数
文档与图表理解
共 4 项评测评测名称 / 模式
得分
排名/总数
竞品对比
Grok 4.6 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 4.6当前 | Claude Opus 5 | GPT-5.6 Sol | GLM-5.3 |
|---|---|---|---|---|
87.50思考水平·中 | 97.50思考水平·极高 | 97.50思考水平·极高 | -- | |
67.08思考水平·极高 | 90.42思考水平·高 | 92.50思考水平·高 | -- | |
2.11思考水平·极高 | 30.20思考水平·高 | 7.78思考水平·高 | -- | |
19.70思考水平·极高 | 29.10思考水平·高 | 32.30思考水平·高 | 19.10思考水平·高 | |
94.00思考水平·高 | 87.88思考水平·低 | 94.60思考水平·高 | -- | |
30.63思考水平·高 ｜ 工具 | 37.39思考水平·高 ｜ 工具 | 33.33思考水平·高 ｜ 工具 | 22.97思考水平·高 ｜ 工具 | |
75.90思考水平·高 | 80.60思考水平·高 | 64.80思考水平·极高 | 66.20思考水平·高 | |
81.36思考水平·中 | 97.72思考水平·高 | 97.63思考水平·高 | 88.53思考水平·高 | |
30.48思考水平·极高 ｜ 工具 | 45.71思考水平·高 ｜ 工具 | 44.76思考水平·高 ｜ 工具 | -- | |
67.48思考水平·中 ｜ 工具 | 73.65思考水平·高 ｜ 工具 | 72.70思考水平·极高 ｜ 工具 | 68.96思考水平·高 ｜ 工具 | |
61.00思考水平·高 ｜ 工具 | 63.00思考水平·极高 ｜ 工具 | 61.00思考水平·高 ｜ 工具 | -- | |
156.48思考水平·高 | 162.67思考水平·高 | 161.99思考水平·高 | 155.56思考水平·高 |
其余 29 个 benchmark 仍可在上方图表中查看。
Grok 4.6 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。 · 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 4.6: 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 4.6 | xAI | $2 / 1M tokens | $6 / 1M tokens | <= 200000 |
Claude Opus 5 | Anthropic | $5 / 1M tokens | $25 / 1M tokens | — |
GPT-5.6 Sol | OpenAI | $4 / 1M tokens | $20 / 1M tokens | — |
GLM-5.3 | 智谱AI | $1.4 / 1M tokens | $4.4 / 1M tokens | — |
历代版本对比
Grok 4.6 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。
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。· 点击任意行可切换下方趋势图。
| 评测项 | Grok 4.6当前 | Grok 4.5 | Grok 4.20 |
|---|---|---|---|
87.50思考水平·中 | 87.17思考水平·中 ｜ 工具 | -- | |
67.08思考水平·极高 | 52.64思考水平·高 ｜ 工具 | -- | |
2.11思考水平·极高 | 0.32思考水平·中 | 0.09开启思考 | |
19.70思考水平·极高 | 15.40思考水平·高 | -- | |
94.00思考水平·高 | 93.43思考水平·高 | -- | |
75.90思考水平·高 | 70.00思考水平·高 | -- | |
81.36思考水平·中 | -- | 54.00开启思考 | |
56.40思考水平·高 ｜ 工具 | 53.60思考水平·高 ｜ 工具 | -- | |
67.48思考水平·中 ｜ 工具 | 53.76思考水平·高 ｜ 工具 | -- | |
61.00思考水平·高 ｜ 工具 | 56.00思考水平·高 ｜ 工具 | -- | |
156.48思考水平·高 | 154.02思考水平·高 | 152.01思考水平·高 | |
59.17思考水平·高 ｜ 工具 | 51.53思考水平·高 ｜ 工具 | 17.55开启思考 ｜ 工具 |
其余 23 个 benchmark 仍可在上方图表中查看。
单评测历史趋势图
当前查看：ARC-AGI-1 · 抽象归纳与泛化
选择评测
Grok 4.6 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 4.6: 标准价适用于 <= 200000
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 4.6 | xAI | $2 / 1M tokens | $6 / 1M tokens | <= 200000 |
Grok 4.5 | xAI | $2 / 1M tokens | $6 / 1M tokens | — |
Grok 4.20 | xAI | $1.25 / 1M tokens | $2.5 / 1M tokens | <= 200000 |