Grok 4.2 评测解读：工程任务、SWE-Bench 与成本

发布解读，非本站实测。 本文依据公开资料整理，未完成本文模型的付费接口测试。厂商基准只适用于其公布的版本、数据集与条件；未提供可复核来源、原始值及换算方法的衍生评分已撤下。 xAI 交出的答卷是 Grok 4.2。它把火力集中在两件事上：软件工程能力（SWE-Bench） 和 速度 / 成本优化。同系列旗舰 Grok 4 Heavy 是首个在 Humanity's Last Exam（HLE）上突破 50% 的模型。

一、Grok 4.2 在卷什么？官方公布的三件事

根据 xAI 官方发布，升级重点可以归纳成三件事。

1. 软件工程能力：SWE-Bench 内部 70.8%

在 SWE-Bench 的内部评测上达到 70.8%，意味着它在"读懂代码库、定位问题、提交可用修复"这件事上已经进入第一梯队。

2. 为速度与成本优化

在不牺牲工程能力的前提下，把单次调用的延迟和成本压下来。

3. 同系列旗舰首破 HLE 50%

Grok 4 Heavy 是首个在 Humanity's Last Exam（HLE）上拿到 50% 的模型。

二、Grok 4.2 比 Grok 4 强在哪？

案例 1：软件工程与推理

来源：xAI 官方发布，2026-05

案例 2：速度与成本

三、它值多少钱？实时价格

四、国内怎么调用？

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.environ["tokenba_API_KEY"],
  base_url="https://api.apizt.com/v1"
)

response = client.chat.completions.create(
  model="grok-4.2",
  messages=[{"role": "user", "content": "你好"}]
)

print(response.choices[0].message.content)

核对这个型号的请求与结果

4 步跑通 · grok-4.2

横向对比与信息来源

五、该不该用它？

信息来源：本文能力描述来自 xAI 官方发布及公开评测，非本站实测。价格数据为发布当日（2026-05-03）apizt 控制台快照，最新价格请以控制台价格页为准。