聪明世界#116
编程入门
记性2M
便宜$0.50
记性换算成体感：一次能读完一整套长篇小说
X Ai Grok 系列的全模态模型 · 按发布时间
共 2 个 · xAI的全部模型 →她的营地
电脑
没有公开的编程评测成绩
书架
5 层 · 记忆 2M tokens
黑板
一块空黑板
日历
知识截止日期未公开
冰箱
支持上下文缓存，能存记忆
门禁
闭源，权重不公开
身世
- 发布日期
- 2025 年 12 月 18 日models.dev
- 知识截止
- 暂无数据
- 参数量
- 体型为估算值，官方从未公布参数量
- 开放权重
- 否
- 开源许可
- 暂无数据
- 上下文窗口
- 2M tokens
- 单次最大输出
- 2M
- 输入价格
- $0.20 / 百万 tokens
- 输出价格
- $0.50 / 百万 tokens
- 模型类型
- 全模态能听声音、也能看图，文字、图、声音一起理解
- 支持的输入
- 声音、图像、文字、视频 → 文字
- 工具调用
- 是
- 深度思考
- 是
- 提示缓存
- 是
战绩
- 综合智力
- 144.2
- AIME 数学
- 未定级
- GPQA Diamond 科学
- 未定级
- ARC-AGI-2 抽象推理
- 5.3%
- Fiction.liveBench 长文本
- 75.0%
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- LiveBench 智能体编程21.7%LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测https://livebench.ai/#/?release=2025-05-30
- LiveBench 编程分项69.0%LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测https://livebench.ai/#/?release=2025-05-30
- WebDev Arena1149 Elo让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测https://epoch.ai/benchmarks
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力144.2第 116 / 223Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测https://epoch.ai/benchmarks
知识与推理
- ARC-AGI-25.3%第 67 / 117看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测https://epoch.ai/benchmarks
- ARC-AGI（第一代）48.5%第 81 / 116ARC-AGI 的第一代题库，已被第二代取代。第三方实测https://arcprize.org/
- WeirdML42.9%第 85 / 149一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html
智能体
- Cybench 网络安全30.0%第 12 / 20夺旗赛（CTF）风格的网络安全题，测攻防能力。第三方实测https://data.x.ai/2025-09-19-grok-4-fast-model-card.pdf
长文本
- 长文本记忆75.0%第 7 / 44Fiction.liveBench：读一篇长小说后回答细节问题。很多模型号称能读百万字，实测读到一半就忘了前面。第三方实测https://epoch.ai/benchmarks
其他
- Dtbench82.7%第 83 / 211Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench