自动生成页面。 本页由 AI 自动撰写和翻译，并由软件对照来源进行核查，无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数，不是智商测试。 工作原理
Grok 4 有多聪明？
Grok 4 是 xAI 于 2025年7月9日 发布的模型。其 SI-IQ 为 114（90% 区间 107–120），由 3 家评测方的 4 项基准测试结果估算得出。
数据截至 2026年10月18日 · 方法版本 1.0.0
模型的结果须来自至少 5 项基准测试（两次 GPQA Diamond 运行计为一项），覆盖至少 3 个领域，出自至少 2 家不同的评测方，且各版本的发布时间相隔不超过 60 天，方可进入排名。该模型目前尚未满足这一要求，因此以暂定估计值展示，但不参与排名。
基本信息
- 开发方
- xAI
- 发布时间
- 2025年7月9日
- 访问方式
- API 访问
- 所用基准测试
- 来自 3 家评测方的 4 项基准测试结果
各领域能力（SI-IQ，90% 区间）
我们使用的每项基准测试结果
每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。
| 基准测试 | 得分 | 评测方 | 来源 |
|---|---|---|---|
| OTIS Mock AIME 2024–2025 | 84.0% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| Aider Polyglot | 79.6% | Aider | Aider LLM Leaderboards · 数据文件 |
| GPQA Diamond | 87.0% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| Berkeley Function Calling Leaderboard | 63.0% | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · 数据文件 |
人类偏好（Arena）
在 Arena 排行榜上，用户会在两个匿名回答之间投票。Grok 4 的评分为 1,411（1,407–1,415），共 39,693 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)
采用 SI-IQ 方法版本 1.0.0 计算。 阅读完整方法论
数据来源： 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) (许可与修改).