xAI · pașaport de model
Grok 4.1
grok-4-1- Doar în cloud
- Licență Proprietary
- Lansat 2026-10-15(văzut prima dată pe LMArena)
- General · LMArena
- 1,459#55 din 396
- Cea mai bună percentilă
- 86.4General
- Poziția în cohortă
- 58.3mediană 60.8
Ce spun datele
Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai puternice axe
- 86.4 pct — General (1,459)
Cele mai slabe axe
- 7.2 pct — WebDev Arena (1,215)
Neuniform: 79,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 86.4 pct pe General față de 7.2 pct pe WebDev Arena.
- General86.4 pct1,459Verifică →
- Prompturi dificile82.8 pct1,474Verifică →
- Programare79.3 pct1,492Verifică →
- Urmarea instrucțiunilor78.8 pct1,431Verifică →
- Factuality Arena40.1 pct1,431Verifică →
- WebDev Arena7.2 pct1,215Verifică →
- Vision ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
grok-4.1 stands at 58.3 (raw mean 62.4) — measured on 6 of 27 axes.
grok-4.1 stands at 58.3 versus a cohort median of 60.8 across 168 models released within 180 days — below the peer median.
grok-4.1 scores at percentile 86.4 on General.
grok-4.1 scores at percentile 7.2 on WebDev Arena.
grok-4.1 ranks between #83 and #511 across 6 built-in weightings — best under "Conversație pe primul loc", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →