#46 xAI: Grok Build 0.1
medium- খরচ
- $0.028
- সময়
- 81.3s
- টোকেন
- 14,009 tok
X AI
প্রকাশ: 2026-05-21
পরীক্ষিত হয়েছে: 2026-05-22 00:36
x-ai/grok-build-0.1::medium
(medium)
(none)
সারাংশ
Grok Build 0.1 AI BENCHY-তে 7.6 স্কোর করে এবং #46 স্থানে আছে। এর reliability 10.0, pass rate 70.0%, মোট খরচ $0.633, এবং গড় response time 26.36s.
Grok Build 0.1 কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #3; আর কোডিং এর দুর্বলতম ক্ষেত্র, rank #16. এটি অস্বাভাবিকভাবে বেশি reasoning tokens ব্যবহার করে, যা ধীর বা বেশি খরচের runs ব্যাখ্যা করতে পারে।
7.6
ধারাবাহিকতা
8.5
10.0
$0.633
মোট আউটপুট টোকেন
295,603
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$1.000 / 1M
আউটপুট মূল্য
$2.000 / 1M
অস্থির টেস্ট
4
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
26.36s
প্রতিক্রিয়া সময় (সর্বোচ্চ): 103.89s
প্রতিক্রিয়া সময় (মোট): 527.19s
জেনারেশন শোকেস
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
রান ইতিহাস
| পরীক্ষিত হয়েছে | স্কোর | নির্ভরযোগ্যতা | সঠিক টেস্ট | মোট খরচ | তুলনা করুন |
|---|---|---|---|---|---|
| 2026-06-04 14:22 নতুন টেস্ট যোগ হয়েছে | 7.4 | 10.0 | $0.927 | তুলনা করুন | |
| 2026-05-26 13:30 পুনরায় পরীক্ষা | 7.7 | 10.0 | $0.729 | তুলনা করুন | |
| 2026-05-22 00:36 স্যুইট পরিবর্তিত হয়েছে | 7.6 | 10.0 | $0.633 | বর্তমান রান |
এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।
রান তুলনা
| রান | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:36 · স্যুইট পরিবর্তিত হয়েছে | 7.6 | 8.5 | 10.0 | 12/20 | 4 | 295,603 | 0 | $0.633 | 26.36s |
| 2026-06-04 14:22 · নতুন টেস্ট যোগ হয়েছে | 7.4 | 9.9 | 10.0 | 13/21 | 0 | 440,800 | 44,418 | $0.927 | 49.90s |
| পার্থক্য | +0.2 | -1.4 | 0.0 | -1 | +4 | -145197 | -44418 | -$0.294 | -23542ms |
এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।
চার্ট
প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।
স্কোর অনুযায়ী শীর্ষ মডেল
স্কোর vs মোট খরচ
প্রতিক্রিয়া সময় (গড়)
স্কোর vs প্রতিক্রিয়া সময় (গড়)
মোট আউটপুট টোকেন
স্কোর vs মোট আউটপুট টোকেন
দ্রুত তুলনা
Grok Build 0.1mediumvsMiniMax M3mediumGrok Build 0.1mediumvsStep 3.7 FlashlowGrok Build 0.1mediumvsKimi K2.5mediumGrok Build 0.1mediumvsClaude Opus 4.6mediumGrok Build 0.1mediumvsMercury 2mediumGrok Build 0.1mediumvsGemini 3.5 FlashhighGrok Build 0.1mediumvsGemini 3 Flash PreviewmediumGrok Build 0.1mediumvsNemotron 3 Ultra 550b A55bmediumবিনামূল্যে উপলভ্যGrok Build 0.1mediumvsGPT-5.5low
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 10.0 | 10.0 | |
| কোডিং | 5.3 | 2.9 | |
| সমন্বিত | 10.0 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 10.0 | 10.0 | |
| ডোমেইন-নির্দিষ্ট | 5.3 | 10.0 | |
| Sadharon Buddhimotta | 3.8 | 2.5 | |
| নির্দেশনা অনুসরণ | 9.8 | 10.0 | |
| ধাঁধা সমাধান | 6.2 | 7.5 | |
| টুল কলিং | 10.0 | 10.0 | |
| সাধারণ জ্ঞান | 3.0 | 10.0 |