模型评测对比
最新基准汇总
GPT-5与Gemini 2.5-Pro、Grok 4模型对比
本页面提供GPT-5,Gemini 2.5-Pro,Grok 4模型的对比，包括参数、开源情况、API价格等。同时，页面也会展示GPT-5,Gemini 2.5-Pro,Grok 4模型在ARC-AGI,HLE,GPQA Diamond,ARC-AGI-2,Simple Bench等评测基准中的详细对比数据，评测数据来自系统收录结果汇总。
📊 左右滑动可查看更多模型数据 →
GPT-5
OpenAI 发布的基础大模型模型。
OpenAI
Gemini 2.5-Pro
Google Deep Mind 发布的推理大模型模型。
核心信息
开发机构
Google Deep Mind
Google Deep Mind
发布时间
2025-06-05
模型类型
推理大模型
MoE 架构
性能与规格
总参数量
未公开
激活参数量
未公开
模型大小
推理能力
推理速度
思考模式
深度思考
最大上下文
1000K
最大输出
65536
支持模态
Input
Output
开源与许可
开源与许可
代码开源
--
权重开源
--
商业用途
不开源
相关资源
论文/报告
查看
模型详细介绍
阅读
相关链接
xAI
评测对比模式筛选
当前大多数模型的评测都有不同的模式，包括是否使用推理过程，是否使用工具等，建议选择特定模式对比。
点击下方任一按钮，将 过滤模型的模式的对比表格，并同步更新
汇总图 与 各基准小图。
快捷组合
思考模式
说明：Thinking（默认）在检测到 low / medium / high 子模式时只保留 medium 版本，点击 Thinking（全部）可查看所有子模式。
工具使用
GPT-5与Gemini 2.5-Pro、Grok 4模型各评测基准得分对比表
| 评测基准 |
GPT-5
high
|
GPT-5
medium
|
GPT-5
low
|
GPT-5
normal
|
GPT-5
thinking
|
GPT-5
thinking + 使用工具
|
Gemini 2.5-Pro
thinking
|
Grok 4
thinking
|
Grok 4
thinking + 使用工具
|
Grok 4
thinking + 使用工具+联网
|
|---|---|---|---|---|---|---|---|---|---|---|
|
ARC-AGI
综合评估
|
65.7 | 56.2 | 44 | 6 | -- | -- | 37 | 66.7 | -- | -- |
|
HLE
综合评估
|
-- | -- | -- | 6.3 | 24.8 | 35.2 | 21.6 | 25.4 | 38.6 | 38.6 |
|
GPQA Diamond
综合评估
|
85.7 | -- | -- | 77.8 | -- | 87.3 | 86.4 | 87 | -- | -- |
|
ARC-AGI-2
综合评估
|
9.9 | 7.5 | 1.9 | 0 | -- | -- | 4.9 | 15.9 | -- | -- |
|
Simple Bench
常识推理
|
56.7 | -- | -- | -- | -- | -- | 62.4 | 60.5 | -- | -- |