所有发布

GPT-6.1 Sol vs. Grok 4.7:发布比较

GPT-6.1 Sol 与 Grok 4.7 发布比较:分别包含 5 个和 3 个模型,各自具有不同的智能、性能与价格特征。下方对全部 8 个模型的关键指标进行了比较。

  • 智能方面,GPT-6.1 Sol 得分最高:GPT-6.1 Sol (Max)(55),Grok 4.7 为 Grok 4.7 (Xhigh)(35)。
  • 每任务耗时方面,GPT-6.1 Sol 最快:GPT-6.1 Sol (Low)(1.7 分钟),Grok 4.7 为 Grok 4.7 (Low)(10.2 分钟)。
  • 单任务成本方面,GPT-6.1 Sol 最低:GPT-6.1 Sol (Low)($0.16),Grok 4.7 为 Grok 4.7 (Low)($2.92)。
模型 Playground

比较的发布

GPT-6.1 Sol (max)GPT-6.1 Sol (xhigh)GPT-6.1 Sol (high)GPT-6.1 Sol (medium)Grok 4.7 (xhigh)Grok 4.7 (high)GPT-6.1 Sol (low)Grok 4.7 (low)
Intelligence Index
55
52
50
46
35
35
35
31
财务与会计
56
55
53
51
52
51
44
45
战略与运营
58
57
55
53
55
53
46
49
法律
54
54
52
49
47
47
43
44
医疗与健康
52
51
49
46
47
46
40
43
每任务成本美元
$1.27
$0.76
$0.59
$0.36
$7.77
$6.18
$0.16
$2.92
每任务耗时分钟
20.1
9.1
6.4
3.8
25.4
20.9
1.7
10.2
首个答案 Token 延迟秒
193.21
76.28
43.95
5.81
62.13
35.00
2.74
11.81
上下文窗口
1M
1M
1M
1M
500k
500k
1M
500k
开发商
OpenAI
OpenAI
OpenAI
OpenAI
SpaceXAI
SpaceXAI
OpenAI
SpaceXAI
许可证
专有
专有
专有
专有
专有
专有
专有
专有
输入模态

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本和图像

输出模态

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

服务商
OpenAIMicrosoft Azure
OpenAI
OpenAI
OpenAI
SpaceXAI
SpaceXAI
OpenAI
SpaceXAI
Updated
Artificial Analysis Intelligence Index · Higher is better
Inference time (minutes) per Intelligence Index task · Lower is better
Weighted average cost (USD) per Intelligence Index task · Lower is better

智能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1
No publicly available API

Intelligence Index 与每项任务的成本

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
GPT-6.1 Sol
Grok 4.7
Pareto line

单任务成本(美元,对数刻度)

成本

每项 Intelligence Index 任务的成本

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better
No publicly available API

速度与延迟

Intelligence Index 每项任务耗时

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better
No publicly available API

能力得分

能力指数

衡量模型在特定能力与行业中的表现
Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

AA-PersonalityBenchNew

vs

AA-PersonalityBench:Expressiveness 指数,GPT-6.1 Sol (max) vs Grok 4.7 (xhigh)

根据两者的 Elo 差距,每个模型的回答在各特质上被判定为更显著的概率 · 50% 表示势均力敌
OpenAIGPT-6.1 Sol (max)SpaceXAIGrok 4.7 (xhigh)
Eloquent
14%
86%
Lexically Varied
16%
84%
Metaphorical
26%
74%
Natural Sounding
35%
65%
Literate
49%
51%