Grok 4.5
xAI · grok-4.5 · United States of America · 上线 2026-07-08
45ECI 榜名次
154Epoch ECI
1465网友盲测分（全球第 53）
18有成绩的基准
最拿手
- DTBench：第 12 / 109 名（成绩 96.5%）
- GPQA diamond：第 15 / 117 名（成绩 93.4%）
- SimpleBench：第 11 / 60 名（成绩 70.0%）
相对薄弱
- Furniture Assembly：第 31 / 35 名（成绩 22.5%）
- MirrorCode：第 20 / 27 名（成绩 32.2%）
各基准成绩
| 基准 | 成绩 | 名次 | 超过了多少模型 |
|---|---|---|---|
| DTBench | 96.5% | 12 / 109 | |
| GPQA diamond | 93.4% | 15 / 117 | |
| SimpleBench | 70.0% | 11 / 60 | |
| OTIS Mock AIME 2024-2025 | 97.8% | 30 / 118 | |
| Surface Evolver Bench | 74.4% | 8 / 23 | |
| APEX-Agents | 56.2% | 19 / 54 | |
| LMCA | 45.2% | 38 / 104 | |
| SimpleQA Verified | 48.3% | 32 / 81 | |
| ARC-AGI | 87.2% | 38 / 79 | |
| FrontierCode | 42.4% | 20 / 41 | |
| ARC-AGI-2 | 52.6% | 40 / 78 | |
| Chess Puzzles | 35.0% | 44 / 81 | |
| FrontierMath-Tiers-1-3-v2-Private | 57.2% | 46 / 84 | |
| ProofBench | 31.0% | 38 / 68 | |
| WeirdML | 46.4% | 53 / 89 | |
| FrontierMath-Tier-4-v2-Private | 24.4% | 44 / 68 | |
| MirrorCode | 32.2% | 20 / 27 | |
| Furniture Assembly | 22.5% | 31 / 35 |
成绩是该模型在最佳推理强度下的结果；名次只在已评分的模型里比。
ECI 相近的模型
| # | 模型 | ECI | 上线 |
|---|---|---|---|
| 42▼2 | DeepSeek V4 Flash 0731 DeepSeek | ±2.4 | 2026-07-31 |
| 43▼2 | Gemini 3.6 Flash | ±1.9 | 2026-07-21 |
| 44▼2 | Grok 4.7 xAI | ±2.2 | 2026-09-21 |
| 46▼1 | Qwen3.7-Max Alibaba | ±2.2 | 2026-05-19 |
| 47▼3 | Muse Spark 1.1 Meta AI | ±2.5 | 2026-07-09 |
| 48▼2 | GPT-5.2 OpenAI | ±1.8 | 2025-12-11 |