Grok 3是xAI最先进的模型，在计算能力十倍于前代的Colossus超级计算机上训练。具备1M token上下文窗口和增强的推理能力，通过大规模强化学习实现从数秒到数分钟的深度思考过程，解决复杂问题。在学术基准和真实用户评估中均达顶尖水平，Chatbot Arena评分1402。与优化精简推理的成本效益版本Grok 3 Mini同期发布。
GPT-4.1由OpenAI于2025年4月14日推出，提供100万令牌的上下文窗口，每个请求最多支持输出32,768个令牌。在编码任务中表现卓越，SWE-Bench Verified基准测试达到54.6%，在MultiChallenge指令遵循方面比GPT-4o提高10.5%。模型知识截止日期为2024年6月。输入每百万令牌2.00美元，输出每百万令牌8.00美元，缓存输入可享75%折扣，对于重复查询极具成本效益。
| Grok 3 Beta | GPT-4.1 | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| 文本 图像 视频 | 文本 图像 |
API提供商
| xAI | OpenAI API |
知识截止日期
| 2025-01 | - |
开源
| 否 | 否 |
输入定价
| 不可用 | $2.00 每百万token |
输出定价
| 不可用 | $8.00 每百万token |
MMLU
| 不可用 | 90.2% pass@1 来源 |
MMLU-Pro
| 79.9% Base model 来源 | - |
MMMU
| 78% With Think mode 来源 | 74.8% 来源 |
HellaSwag
| 不可用 | - |
HumanEval
| 不可用 | - |
MATH
| 不可用 | - |
GPQA
| 84.6% With Think mode, Diamond 来源 | 66.3% Diamond 来源 |
IFEval
| 不可用 | - |
SimpleQA
| - | - |
AIME 2024 | - | 48.1% 来源 |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | 87.3% pass@1 来源 |
MathVista
| - | - |
移动应用 |