xAI
Grok 4.3 (High)
推理模型实战排名#40SQBench · 45 个模型
模型分析
Grok 4.3 (High) 是一款闭源推理模型，支持图文输入、文本输出，拥有 100 万 Token 上下文窗口，定价在同类参评模型中处于中位。
在 SQBench 实战能力评测中，该模型得分为 37.4，排名处于中后段；模型可靠度为 88.3%，幻觉率为 6.0%；完成整套评测共消耗 22.2M Token、3.8 小时和 12.18美元。
分项能力层面，动态代码逻辑和软件工程是相对优势；长文本推理和深度研究表现相对偏弱。
查看《Grok 4.3 (High) 实战能力评测报告》 ↗技术参数
- 推理模式
- 推理 / Low、Medium、High
- 输入模态
- 文本、图像
- 输出模态
- 文本
- 上下文长度
- 1M
- 发布日期
- 2026-05
实战能力#40/45
37.4
幻觉率#22/45
6.0%
评测成本#24/45
12.18$
完成耗时#1/45
3.8h
Token 消耗#6/45
22.2M
实战能力
基于任务通过情况衡量模型在真实业务任务中的稳定交付表现，越高表示可稳定完成的任务比例越高。
细分能力
从基础执行、复合工作流和业务场景三个层面，比较模型在不同类型实战任务中的表现。
| 能力 / 模型 | ||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| L1 原子能力 | ||||||||||||||||||||
| 指令遵循 | ||||||||||||||||||||
| 长文本推理 | ||||||||||||||||||||
| 动态代码逻辑 | ||||||||||||||||||||
| 鲁棒性与边界 | ||||||||||||||||||||
| L2 复合技能 | ||||||||||||||||||||
| 数据分析 | ||||||||||||||||||||
| 软件工程 | ||||||||||||||||||||
| 深度研究 | ||||||||||||||||||||
| 办公协作 | ||||||||||||||||||||
| L3 业务场景 | ||||||||||||||||||||
| 金融 | ||||||||||||||||||||
| 工业 | ||||||||||||||||||||
| 医疗 | ||||||||||||||||||||
| 政务 |
成本效率
展示模型完成 SQBench 实战任务所需的评测成本、完成耗时和 Token 消耗，用于辅助判断规模化使用成本。
评测成本（USD） · 数值越低，投入越少
左右滑动查看完整榜单
Grok 4.3 (High)xAI
- 实战能力
- 37.4%
- 评测成本
- $12.18
- 完成耗时
- 3.83 小时
- Token 消耗
- 22.25M
性价比
对比模型实战能力与可靠度、评测成本、完成耗时和 Token 消耗，辅助判断不同模型的部署价值。
左右滑动查看完整图表
虚线为筛选范围内全部模型的中位数：实战能力 51.36%，可靠度 83.16%。浅色区域仅作相对比较。