#33 xAI: Grok 4.3
medium- Kosten
- $0.009
- Zeit
- 19.0s
- Token
- 3,661 tok
X AI
Veröffentlichung: 2026-05-01
Getestet am: 2026-05-22 00:32
x-ai/grok-4.3::medium
~1.5T insgesamt (~150B aktiv)MoEGeschlossenGeschätzt Zusammenfassung
Grok 4.3 erreicht 7.8 bei AI BENCHY und liegt auf #33. Das Modell hat 10.0 Zuverlässigkeit, 75.0% Erfolgsrate, $0.593 Gesamtkosten und 49.23s durchschnittliche Antwortzeit.
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- ~1.5T insgesamt (~150B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Geschlossen
- Lizenz
- -
Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.
7.8
Konsistenz
8.4
10.0
Gesamte Ausgabe-Token
216,413
Gesamte Eingabe-Token
0
Eingabepreis
$1.250 / 1M
Ausgabepreis
$2.500 / 1M
Instabile Tests
4
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-08-14 02:54 Erneuter Test | 7.0 | 10.0 | $0.741 | Vergleichen | |
| 2026-07-16 23:07 Neuer Test hinzugefügt | 7.1 | 10.0 | $0.779 | Vergleichen | |
| 2026-06-04 14:11 Neuer Test hinzugefügt | 7.6 | 10.0 | $0.614 | Vergleichen | |
| 2026-05-22 00:32 Erneuter Test | 7.8 | 10.0 | $0.593 | Aktueller Lauf | |
| 2026-05-01 00:40 Erster Lauf | 8.2 | 10.0 | $0.517 | Vergleichen |
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:32 · Erneuter Test | 60/60 Versuche | 7.8 | 8.4 | 10.0 | 13/20 | 4 | 216,413 | 0 | $0.593 | 49.23s |
| 2026-07-16 23:07 · Neuer Test hinzugefügt | 66/66 Versuche | 7.1 | 8.6 | 10.0 | 13/22 | 4 | 241,421 | 140,031 | $0.779 | 47.45s |
| Differenz | — | +0.6 | -0.2 | 0.0 | 0 | 0 | -25008 | -140031 | -$0.186 | +1780ms |
Die Benchmark-Abdeckung unterscheidet sich: 60/60 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 66/66 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Grok 4.3mediumvsMercury 2.5highGrok 4.3mediumvsGPT-5.6 SolnoneGrok 4.3mediumvsSolar Pro 4highGrok 4.3mediumvsDeepSeek V3.2mediumGrok 4.3mediumvsStep 3.7 FlashlowGrok 4.3mediumvsGLM 5.1mediumGrok 4.3mediumvsMuse Glimmer 30BlowGrok 4.3mediumvsGPT-5.5noneGrok 4.3mediumvsQwen3.5-122B-A10BmediumGrok 4.3mediumvsMercury 2medium
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 10.0 | 10.0 | |
| Programmierung | 7.4 | 6.5 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.3 | 7.2 | |
| Allgemeine Intelligenz | 5.4 | 2.5 | |
| Befolgung von Anweisungen | 9.8 | 10.0 | |
| Rätsellösen | 5.9 | 7.2 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |