← 返回综合榜CAPABILITY PROFILE UNDERSTANDING THE RANK
查看 GLM-5.3 的完整证据 →
查看 Kimi K3 的完整证据 →
查看 GPT-5.6 Sol 的完整证据 →
查看 GPT-5.6 Terra 的完整证据 →
查看 Muse Spark 1.3 的完整证据 →BEHIND THE SCORE
Grok 4.6
xAI · 2026-08-12 发布 · 09/16 02:57 更新
分类成绩4 / 4 项分类
已有成绩18 项评测
上下文窗口50万 Token
API 输入 / 输出 · 每百万 Token¥13.42 / ¥40.27厂商官方价格 ↗
各有所长，看得更清楚。
每项能力单独计算。没有足够的实测，就留空。
不同分类的分数反映各自参照组中的排序支持，不能直接相加或用来比较不同能力的绝对高低。
综合名次，有多稳定？
依次移除一项评测或一家机构、调整单项权重与误差处理，观察排名怎样变化。
重新检查资格后的名次8—23 名
已完成的对照中均具备参评资格。保持原候选不变时为 8—24 名。这个范围不是置信区间，也不包含从未公开的成绩。
查看与附近模型的共同证据
净支持只看双方共同参加的评测。全局排序还需处理其他模型间的冲突，因此非相邻名次可能与单独比较不同。
GLM-5.317 项共同评测共同证据支持对方
双方共同拥有当前榜单 80.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,451.3 | 1,462.4 | 5.0% |
| Arena Text ↗ | 1,455.6 | 1,483 | 5.0% |
| Arena WebDev ↗ | 1,617.6 | 1,614.4 | 2.4% |
| AA Index ↗ | 44.3 | 44.9 | 30.0% |
| DeepSWE v1.1 ↗ | 66.7% | 69.0% | 3.6% |
| Chess Puzzles ↗ | 31.0% | 21.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 66.0% | 68.8% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 31.7% | 29.3% | 1.2% |
| GPQA Diamond ↗ | 93.2% | 90.9% | 2.0% |
| Mystery Game Puzzles ↗ | 34.0% | 33.0% | 1.2% |
| SimpleQA Verified ↗ | 48.9% | 41.0% | 4.0% |
| LiveBench · 编程 ↗ | 66.9% | 69.9% | 2.4% |
| LiveBench · 推理 ↗ | 91.5% | 86.9% | 4.2% |
| LiveBench · 语言与指令 ↗ | 77.8% | 74.6% | 3.0% |
| APEX-Agents 1.1 ↗ | 65.3% | 56.6% | 4.0% |
| TapTap Maker ↗ | 87.3% | 83.6% | 3.6% |
| Vals Finance Agent ↗ | 53.7% | 55.8% | 3.0% |
Kimi K317 项共同评测共同证据支持本模型
双方共同拥有当前榜单 80.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,451.3 | 1,458.4 | 5.0% |
| Arena Text ↗ | 1,455.6 | 1,484.8 | 5.0% |
| Arena WebDev ↗ | 1,617.6 | 1,674.3 | 2.4% |
| AA Index ↗ | 44.3 | 43.8 | 30.0% |
| DeepSWE v1.1 ↗ | 66.7% | 68.5% | 3.6% |
| Chess Puzzles ↗ | 31.0% | 39.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 66.0% | 72.2% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 31.7% | 39.0% | 1.2% |
| GPQA Diamond ↗ | 93.2% | 93.1% | 2.0% |
| Mystery Game Puzzles ↗ | 34.0% | 26.0% | 1.2% |
| SimpleQA Verified ↗ | 48.9% | 50.6% | 4.0% |
| LiveBench · 编程 ↗ | 66.9% | 71.8% | 2.4% |
| LiveBench · 推理 ↗ | 91.5% | 87.6% | 4.2% |
| LiveBench · 语言与指令 ↗ | 77.8% | 78.4% | 3.0% |
| APEX-Agents 1.1 ↗ | 65.3% | 50.6% | 4.0% |
| TapTap Maker ↗ | 87.3% | 79.7% | 3.6% |
| Vals Finance Agent ↗ | 53.7% | 54.4% | 3.0% |
GPT-5.6 Sol18 项共同评测共同证据支持对方
双方共同拥有当前榜单 86.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,451.3 | 1,473.1 | 5.0% |
| Arena Text ↗ | 1,455.6 | 1,483.5 | 5.0% |
| Arena Vision ↗ | 1,264.5 | 1,285.9 | 6.0% |
| Arena WebDev ↗ | 1,617.6 | 1,617.3 | 2.4% |
| AA Index ↗ | 44.3 | 47.1 | 30.0% |
| DeepSWE v1.1 ↗ | 66.7% | 72.7% | 3.6% |
| Chess Puzzles ↗ | 31.0% | 55.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 66.0% | 89.1% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 31.7% | 82.9% | 1.2% |
| GPQA Diamond ↗ | 93.2% | 93.5% | 2.0% |
| Mystery Game Puzzles ↗ | 34.0% | 58.0% | 1.2% |
| SimpleQA Verified ↗ | 48.9% | 69.7% | 4.0% |
| LiveBench · 编程 ↗ | 66.9% | 70.1% | 2.4% |
| LiveBench · 推理 ↗ | 91.5% | 93.9% | 4.2% |
| LiveBench · 语言与指令 ↗ | 77.8% | 79.8% | 3.0% |
| APEX-Agents 1.1 ↗ | 65.3% | 51.4% | 4.0% |
| TapTap Maker ↗ | 87.3% | 86.5% | 3.6% |
| Vals Finance Agent ↗ | 53.7% | 53.8% | 3.0% |
GPT-5.6 Terra18 项共同评测共同证据支持本模型
双方共同拥有当前榜单 86.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,451.3 | 1,426.4 | 5.0% |
| Arena Text ↗ | 1,455.6 | 1,466 | 5.0% |
| Arena Vision ↗ | 1,264.5 | 1,266.7 | 6.0% |
| Arena WebDev ↗ | 1,617.6 | 1,521.2 | 2.4% |
| AA Index ↗ | 44.3 | 42.3 | 30.0% |
| DeepSWE v1.1 ↗ | 66.7% | 69.6% | 3.6% |
| Chess Puzzles ↗ | 31.0% | 54.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 66.0% | 86.0% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 31.7% | 70.7% | 1.2% |
| GPQA Diamond ↗ | 93.2% | 93.3% | 2.0% |
| Mystery Game Puzzles ↗ | 34.0% | 35.0% | 1.2% |
| SimpleQA Verified ↗ | 48.9% | 43.2% | 4.0% |
| LiveBench · 编程 ↗ | 66.9% | 66.6% | 2.4% |
| LiveBench · 推理 ↗ | 91.5% | 92.8% | 4.2% |
| LiveBench · 语言与指令 ↗ | 77.8% | 73.8% | 3.0% |
| APEX-Agents 1.1 ↗ | 65.3% | 58.2% | 4.0% |
| TapTap Maker ↗ | 87.3% | 81.8% | 3.6% |
| Vals Finance Agent ↗ | 53.7% | 54.4% | 3.0% |
Muse Spark 1.310 项共同评测共同证据支持对方
双方共同拥有当前榜单 65.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,451.3 | 1,452.8 | 5.0% |
| Arena Text ↗ | 1,455.6 | 1,493.1 | 5.0% |
| Arena Vision ↗ | 1,264.5 | 1,294.1 | 6.0% |
| Arena WebDev ↗ | 1,617.6 | 1,651.9 | 2.4% |
| AA Index ↗ | 44.3 | 48.2 | 30.0% |
| LiveBench · 编程 ↗ | 66.9% | 72.6% | 2.4% |
| LiveBench · 推理 ↗ | 91.5% | 92.8% | 4.2% |
| LiveBench · 语言与指令 ↗ | 77.8% | 80.4% | 3.0% |
| APEX-Agents 1.1 ↗ | 65.3% | 57.8% | 4.0% |
| Vals Finance Agent ↗ | 53.7% | 60.0% | 3.0% |
每一项成绩，都有来处。
下面是该模型的公开汇总成绩。展开可查看运行配置与采用方式。
