Grok · grok-4
Grok 4 是 Grok 推出的对话模型。它可接收图像、文本，可生成文本，支持结构化输出、工具调用、图像理解。
三种买法各挑一个最划算的。点卡片看这一种的全部选择。
Grok 4 是 Grok 推出的对话模型。它可接收图像、文本，可生成文本，支持结构化输出、工具调用、图像理解。
三种买法各挑一个最划算的。点卡片看这一种的全部选择。
折扣与价格评分按全球的官方价计算
| 计价项 | 适用范围 | 官方价格 |
|---|---|---|
| 缓存读取 | 全球 | 5.015 CNY每百万 Token |
| 输入 | 全球 | 20.06 CNY每百万 Token |
| 输出 | 全球 | 100.3 CNY每百万 Token |
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
这个模型还没有综合能力指数，排不出名次，下面是它的单项成绩。
科学难题、数学和没见过的新题，看它想得清不清楚。
从没见过的图形规律题，靠现场推理而不是背题。看它遇到新问题会不会举一反三。
研究生水平的物理、化学、生物难题。拿它做研究、分析复杂问题时看这项。
厂商官方接口的实测中位数，看它回答快不快；不代表任何中转站线路的快慢。
厂商官方接口开始回答后，每秒能吐出多少 Token 的实测中位数。不代表中转站线路的快慢。
向厂商官方接口提问后，要等几秒才看到回答的第一个字（思考模型包括思考时间）的实测中位数。越短越好，不代表中转站线路。
这些评测停止更新、有成绩的模型太少或者和选购关系不大，成绩仅供参考，不影响上面的名次和用途筛选。
多语言代码编辑任务；结果包含 Aider 执行框架影响。
不再排行的原因：评测方已经很久没测新模型，排名反映不了现在的模型。
在网络安全任务中无分步提示完成的比例；结果包含任务环境与执行流程。
不再排行的原因：测的是网络攻防能力，和挑选日常使用的模型关系不大。
让模型自己上网查资料、综合整理并给出处。拿它做调研报告时看这项。
不再排行的原因：有成绩的在售模型太少，排不成榜。
面向真实经济任务的产出质量比较；结果依赖任务执行配置。
不再排行的原因：有成绩的在售模型太少，排不成榜。
模型能独立做完多长时间的任务（按人类专家要花的分钟数算）。让它长时间自己干活时看这项。
不再排行的原因：评测方已经很久没测新模型，排名反映不了现在的模型。
让模型在命令行里独立完成装环境、改代码、跑测试等真实工程任务。用它写代码、做自动化时看这项。
不再排行的原因：有成绩的在售模型太少，排不成榜。
Epoch AI 把几十项前沿评测合成的一个能力指数，用来看模型整体有多强。
不再排行的原因：综合能力已改按 Artificial Analysis 智能指数排名（覆盖的在售模型多一倍）；Epoch 综合指数留作第二来源参考。
普通人一眼能答对、模型却容易掉坑的常识题。看它日常对话靠不靠谱。
不再排行的原因：有成绩的在售模型太少，排不成榜。
还没有人点评。用过的话，写下第一条真实体验，帮后来的人少踩坑。
发布模型点评