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（15 / 175，得分 87）、IOI 2024 (Vals v1)（1 / 10，得分 23.20）、IOI 2025 (Vals v1)（1 / 9，得分 29.20）。

评测结果

Grok 4

评测结果

综合知识考试

共 4 项评测

评测名称 / 模式

得分

排名/总数

开启思考

87

15 / 175

开启思考

25.40

133 / 235

开启思考工具

38.60

86 / 235

开启思考工具联网

38.60

86 / 235

抽象归纳与泛化

共 2 项评测

评测名称 / 模式

得分

排名/总数

开启思考

66.70

117 / 193

开启思考

15.90

120 / 181

科学知识与推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

开启思考

87

70 / 253

开启思考

2

131 / 204

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

开启思考

58.60

85 / 116

数学

共 7 项评测

评测名称 / 模式

得分

排名/总数

开启思考

91.70

38 / 110

开启思考工具

98.80

14 / 110

开启思考

46.70

4 / 16

深度

23.30

10 / 16

IMO-ProofBench Advanced

开启思考

18.60

12 / 24

常规模式

12.10

22 / 60

FrontierMath - Tier 4

常规模式

2.10

56 / 80

自主开发与终端任务

共 3 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

79.60

7 / 59

开启思考工具

38

13 / 35

Terminal Bench Hard

开启思考工具

37.90

59 / 244

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

36 / 96

算法与竞赛编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

IOI 2025 (Vals v1)

开启思考工具

29.20

1 / 9

IOI 2024 (Vals v1)

开启思考工具

23.20

1 / 10

跨能力综合测试

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

62.02

61 / 117

图像感知与视觉推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

开启思考

68.80

141 / 229

常规模式

45

20 / 20

机器学习工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

45.73

41 / 52

跨长文理解与整合

共 1 项评测

评测名称 / 模式

得分

排名/总数

Fiction.liveBench

常规模式

94.40

3 / 16

逻辑与规划

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

43.60

4 / 12

能力边界度量

共 1 项评测

评测名称 / 模式

得分

排名/总数

METR Time Horizons v1.1

常规模式工具

110.07

13 / 22

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

146.46

66 / 167

与其他模型对比