Grok-4

Fiche modèle · xAI · grok-4

Grok 4, announced by xAI in summer 2025, represents a major leap in AI capabilities, described as 'the smartest AI in the world.' Built on version 6 of xAI's foundation model, it uses 100x more training compute than Grok 2 and 10x more reinforcement learning compute than Grok 3. The model achieves PhD-level performance across all academic disciplines simultaneously, scoring perfect on standardized tests like the SAT and near-perfect on graduate exams like the GRE. Unlike Grok 3, tool usage is built into the training process rather than relying on generalization. Trained using 200,000 GPUs, Grok 4 excels at complex reasoning, mathematical problem-solving, and coding tasks, though it has acknowledged weaknesses in multimodal capabilities that are being addressed in the next version.

Fiches modèles

Identité

Organisation	xAI
Pays	—
Famille	—
Type	llm
Date de sortie	2025-07-09
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	256 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	2024-12-31
Créé le	2026-05-07T16:53:39.862700Z
Mis à jour le	2026-11-04T06:05:13.212557Z
Source	LLM Stats
URL	https://llm-stats.com/models/grok-4

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
math	0.60
physics	0.90
reasoning	0.60
spatial_reasoning	0.20
general	0.60
biology	0.90
chemistry	0.90
code	0.80
vision	0.30

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.92	1.00	0.92	non	oui	2026-11-04T06:05:13.216138Z
arc-agi-v2	reasoning	0.16	1.00	0.16	non	oui	2026-11-04T06:05:13.221515Z
gpqa	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:05:13.224661Z
hmmt25	math	0.90	1.00	0.90	non	oui	2026-11-04T06:05:13.228264Z
humanity's-last-exam	reasoning	0.40	1.00	0.40	non	oui	2026-11-04T06:05:13.231408Z
livecodebench	reasoning	0.79	1.00	0.79	non	oui	2026-11-04T06:05:13.234292Z
usamo25	math	0.38	1.00	0.38	non	oui	2026-11-04T06:05:13.238220Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	133	—	17.22	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04