Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
¿Cómo de inteligente es Grok 4?
Grok 4 es un modelo de xAI, lanzado el 9 jul 2025. Su SI-IQ es 114 (intervalo del 90 % 107–120), estimado a partir de 4 resultados de benchmarks de 3 evaluadores.
Datos a 18 oct 2026 · método 1.0.0
Un modelo se clasifica cuando sus resultados proceden de al menos 5 benchmarks (las dos ejecuciones de GPQA Diamond cuentan como una) en al menos 3 áreas, de al menos 2 evaluadores distintos, y las fechas de lanzamiento de sus versiones distan como máximo 60 días entre sí. Este modelo aún no cumple esa condición (resultados de menos de 5 benchmarks). Su estimación provisional se basa en 4 resultados de benchmarks y puede cambiar mucho cuando lleguen más resultados.
Datos
- Desarrollador
- xAI
- Lanzamiento
- 9 jul 2025
- Acceso
- Acceso por API
- Benchmarks utilizados
- 4 resultados de benchmarks de 3 evaluadores
Todos los resultados de benchmarks utilizados
Cada puntuación es un único valor tal como lo publicó la fuente: en el caso de Epoch AI, el mejor de sus ajustes de ejecución; en el de OpenRouter, el proveedor de alojamiento mediano (el alojamiento propio del desarrollador cuando realizó la prueba). El «SI-IQ implícito» es la capacidad a la que apunta este único resultado; el SI-IQ global es su media ponderada por precisión.
| Benchmark | Puntuación | Evaluado por | Fuente |
|---|---|---|---|
| OTIS Mock AIME 2024–2025 | 84,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Aider Polyglot | 79,6 % | Aider | Aider LLM Leaderboards · archivo de datos |
| GPQA Diamond | 87,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Berkeley Function Calling Leaderboard | 63,0 % | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · archivo de datos |
Preferencia humana (Arena)
En la clasificación de Arena, donde las personas votan entre dos respuestas anónimas, Grok 4 tiene una puntuación de 1411 (1407–1415) a partir de 39.693 votos (publicada el 15 oct 2026). La preferencia humana es una medida distinta de la capacidad en benchmarks y no forma parte de SI-IQ. Arena (Hugging Face)
Calculado con la versión 1.0.0 del método SI-IQ. Leer la metodología completa
Fuentes de datos: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0) (licencias y cambios).