88Z.ai / 排行榜
Grok vs GPT：2026 测评对比
对比 xAI Grok 与 OpenAI GPT 系列在公开测评中的相对表现。
本站最近采集时间：2026-11-15 06:40 (UTC+8, Asia/Shanghai)。各来源的发布日期见表中或文末引用。
对比 xAI Grok 与 OpenAI GPT 系列在公开测评中的相对表现。
Grok 4.6
- Grok 4.6 (High)xAI · 综合 82.6
- Grok 4.5xAI · 综合 81.5
- Grok 4.20 Beta Reasoning 0309xAI · 综合 75.1
- Grok 4.3xAI · 综合 70.4
- Grok 4.7xAI · 综合 69.1
- Grok 4.1 (Thinking)xAI · 综合 67.7
GPT 6 Astra
- GPT 6 AstraOpenAI · 综合 96.5
- GPT 6.1 SolOpenAI · 综合 91.6
- GPT 6.1 TerraOpenAI · 综合 89.5
- GPT 5 (High)OpenAI · 综合 88.9
- GPT 6 Sol (Max)OpenAI · 综合 84.7
- GPT 5.2OpenAI · 综合 79.8
旗舰对照（各系列综合分最高变体）
| 指标 | Grok 4.6 (High) | GPT 6 Astra |
|---|---|---|
| 综合分 | 82.6 | 96.5 |
| AA Intelligence Index | — | — |
| LMArena 文本 | 1,457 | — |
| LiveBench 综合 | — | 84.5 |
| 编程综合 | 71.4 | 95.0 |
| 推理综合 | 85.8 | 91.0 |
| 中文（SuperCLUE 或中文对战） | 1,497.0 | — |
| 视觉对战 | 1,263 | — |
这不是实验室之间的总冠军宣言，只是把同一批公开测评放在一起看。完整规则见计算方法页。
数据来源
- LMArena 文本对战（风格控制） — 官方 Arena 排行数据集 text_style_control / latest。分数为 Arena Score（Bradley-Terry）。
- LMArena 网页开发对战 — 官方 webdev / latest，衡量前端与网页生成对战表现。
- LMArena 视觉对战（风格控制） — 官方 vision_style_control / latest。
- LMArena 文生图对战 — 官方 text_to_image / latest。
- LMArena 文生视频对战 — 官方 text_to_video / latest。
- LMArena 智能体对战 — 官方 agent / latest 聚合分。
- Artificial Analysis Intelligence Index — 来自官方公开榜单页的 Intelligence Index、每任务成本、每任务耗时与首 token 延迟。
- LiveBench 2.0 — 官方 CSV 成绩。综合分按官网公式计算：Long Agentic ×2、Design ×1.5、Coding ×1.5，其余套件 ×1，再对已有套件做加权平均。
- Aider Polyglot — 官方 polyglot_leaderboard.yml，指标为第二轮通过率（pass_rate_2，225 道跨语言习题）。同一模型多次提交取最高分。
- SWE-bench Verified（mini-SWE-agent） — 官方 leaderboards.json 中 Verified 榜、mini-SWE-agent 协议下的 resolved 百分比，便于在相近脚手架下比较模型。不同智能体的成绩不可直接混比，本站综合编程分只采用该协议。
- SuperCLUE 中文通用榜 — 官方通用榜 Excel（按月份发布）中的总分及分项。
常见问题
- 这些分数是怎么来的？
- 全部来自公开测评或官方发布的机器可读数据，每一项都标注来源链接和日期。本站不编造分数，也不把缺项当成 0 分。
- 对比是不是只看一个冠军模型？
- 对比页列出两边在综合榜上靠前的旗舰系列，并给出同一来源下的分项分数。具体变体（例如 High / Max）以该系列当时综合分最高的一条为准。
- 本站价格和评测是一回事吗？
- 不是。评测分数来自第三方公开榜单；人民币价格是本站模型目录的参考价（1 元 = 1,000 积分），按实际用量结算。二者分开展示，避免把计费和能力混为一谈。