Automatisierte Seite. Automatisch von KI verfasst und übersetzt und per Software mit den Quellen abgeglichen; keine menschliche Redaktion. SI-IQ ist ein Index auf Basis öffentlicher Benchmark-Ergebnisse, kein IQ-Test. So funktioniert es
Wie intelligent ist Grok 4?
Grok 4 ist ein Modell von xAI, veröffentlicht am 09.07.2025. Sein SI-IQ beträgt 114 (90-%-Intervall 107–120); die Schätzung stützt sich auf 4 Benchmark-Ergebnisse von 3 Evaluatoren.
Datenstand 18.10.2026 · Methode 1.0.0
Ein Modell wird in die Rangliste aufgenommen, wenn seine Ergebnisse aus mindestens 5 Benchmarks (die beiden Läufe von GPQA Diamond zählen als einer) in mindestens 3 Bereichen von mindestens 2 verschiedenen Evaluatoren stammen und die Veröffentlichungsdaten seiner Versionen höchstens 60 Tage auseinanderliegen. Dieses Modell erfüllt diese Bedingung noch nicht (Ergebnisse aus weniger als 5 Benchmarks). Seine vorläufige Schätzung stützt sich auf 4 Benchmark-Ergebnisse und kann sich stark ändern, wenn weitere Ergebnisse hinzukommen.
Fakten
- Entwickler
- xAI
- Veröffentlicht
- 09.07.2025
- Zugang
- API-Zugang
- Verwendete Benchmarks
- 4 Benchmark-Ergebnisse von 3 Evaluatoren
Alle verwendeten Benchmark-Ergebnisse
Jeder Wert ist genau so angegeben, wie ihn die Quelle veröffentlicht hat: bei Epoch AI die beste ihrer Laufeinstellungen, bei OpenRouter der mediane Hosting-Anbieter (das eigene Hosting des Entwicklers, wenn dieses den Test durchgeführt hat). „Abgeleiteter SI-IQ“ ist die Fähigkeit, auf die dieses einzelne Ergebnis hindeutet; der Gesamt-SI-IQ ist ihr präzisionsgewichteter Durchschnitt.
| Benchmark | Punktzahl | Evaluiert von | Quelle |
|---|---|---|---|
| OTIS Mock AIME 2024–2025 | 84,0 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| Aider Polyglot | 79,6 % | Aider | Aider LLM Leaderboards · Datendatei |
| GPQA Diamond | 87,0 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| Berkeley Function Calling Leaderboard | 63,0 % | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · Datendatei |
Menschliche Präferenz (Arena)
In der Arena-Rangliste, in der Nutzer zwischen zwei anonymen Antworten abstimmen, hat Grok 4 eine Bewertung von 1.411 (1.407–1.415) aus 39.693 Stimmen (veröffentlicht am 15.10.2026). Menschliche Präferenz ist ein anderes Maß als die Leistung in Benchmarks und fließt nicht in den SI-IQ ein. Arena (Hugging Face)
Berechnet mit der SI-IQ-Methodenversion 1.0.0. Die vollständige Methodik lesen
Datenquellen: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0) (Lizenzen und Änderungen).