CritPt v2 物理推理榜：Grok 4.7 仅得 24%，被指落后中国模型

teortaxesTex · x · 2026-10-28

博主 teortaxesTex 引用 Artificial Analysis 的 CritPt v2（Hard Subset）物理推理榜单数据指出，xAI 的 Grok 4.7（xhigh）仅取得 24% 的成绩，表现"不具竞争力"，甚至弱于不少整体更弱的中国基础模型——榜单上 DeepSeek V4、Kimi、GLM、Qwen 等中国模型分数均在 Grok 之上。

榜单头部为 GPT-6-Astra (max) 71%、GPT-6.1 Sol (max) 69%、GPT-6.1 Terra (max) 65%、Claude Opus 5.5 61%、Gemini 4 53% 等。作者还质疑 Grok 的低分究竟是因为对算力依赖过强，还是模型本身存在 bug。