Grok 4 评测详情

Grok 4 当前已收录的代表性评测结果包括 IMO 2024（1 / 10，得分 23.20）、MMLU Pro（14 / 132，得分 87）、IMO 2025（1 / 9，得分 29.20）。

评测结果

Grok 4

评测结果

综合评估

共 8 项评测

评测名称 / 模式

得分

排名/总数

87

14 / 132

87

42 / 187

66.70

32 / 68

常规模式

62.02

59 / 115

38.60

65 / 172

38.60

65 / 172

25.40

101 / 172

15.90

37 / 62

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

82

25 / 123

SWE-bench Verified

58.60

83 / 112

数学推理

共 9 项评测

评测名称 / 模式

得分

排名/总数

98.80

13 / 107

91.70

36 / 107

46.70

4 / 16

23.30

10 / 16

29.20

1 / 9

23.20

1 / 10

IMO-ProofBench Advanced

18.60

3 / 8

12.10

22 / 60

FrontierMath - Tier 4

常规模式

2.10

56 / 80

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

38

13 / 35

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考

60.50

15 / 63

Agent能力评测

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

79.60

7 / 59

τ²-Bench - Telecom

75

26 / 35

与其他模型对比