大模型排行榜

大模型评测基准

大模型列表

大模型对比

语言中文

搜索博客

DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台，持续更新可落地的 AI 能力图谱。

产品

评测榜单
模型对比
数据资源

资源

部署教程
原创内容
工具导航

关于

关于我们
隐私政策
数据收集方法
联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例，为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款

Grok 4 评测结果与排名详情 | DataLearnerAI

页面导航

目录

大模型列表Grok 4评测分析

Grok 4 评测详情

Grok 4 当前已收录的代表性评测结果包括 MMLU Pro（10 / 116，得分 87）、IMO 2024（1 / 10，得分 23.20）、IMO 2025（1 / 9，得分 29.20）。

评测结果

Grok 4

评测结果

思考模式

全部常规思考

思考模式细分 (2)

全部默认 (thinking)deeper_thinking

工具使用

全部使用工具不使用工具

联网能力

全部离线联网

综合评估

共 7 项评测

评测名称 / 模式

得分

排名/总数

thinking

87

10 / 116

thinking

87

27 / 166

thinking

66.70

19 / 56

thinking

25.40

61 / 128

thinking工具

38.60

34 / 128

thinking + 使用工具+联网工具联网

38.60

34 / 128

thinking

15.90

24 / 50

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

thinking

82

17 / 109

SWE-bench Verified

thinking

58.60

66 / 95

数学推理

共 6 项评测

评测名称 / 模式

得分

排名/总数

thinking

91.70

36 / 107

thinking工具

98.80

13 / 107

thinking

46.70

4 / 16

thinking

29.20

1 / 9

thinking

23.20

1 / 10

IMO-ProofBench Advanced

thinking

18.60

3 / 8

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

thinking工具

38

13 / 35

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

thinking

60.50

5 / 27

Agent能力评测

共 2 项评测

评测名称 / 模式

得分

排名/总数

thinking

79.60

4 / 26

τ²-Bench - Telecom

thinking工具

75

25 / 34

与其他模型对比