#46 xAI: Grok Build 0.1
medium- Kosten
- $0.028
- Zeit
- 81.3s
- Token
- 14,009 tok
X AI
Veröffentlichung: 2026-05-21
Getestet am: 2026-05-22 00:36
x-ai/grok-build-0.1::medium
(medium)
(none)
Zusammenfassung
Grok Build 0.1 erreicht 7.6 bei AI BENCHY und liegt auf #46. Das Modell hat 10.0 Zuverlässigkeit, 70.0% Erfolgsrate, $0.633 Gesamtkosten und 26.36s durchschnittliche Antwortzeit.
Was Grok Build 0.1 besonders macht: Am stärksten ist es in Domänenspezifisch, wo es #3 erreicht; am schwächsten ist Programmierung mit #16. Es nutzt ungewöhnlich viele Reasoning-Tokens, was langsamere oder teurere Läufe erklären kann.
7.6
Konsistenz
8.5
10.0
Gesamte Ausgabe-Token
295,603
Gesamte Eingabe-Token
0
Eingabepreis
$1.000 / 1M
Ausgabepreis
$2.000 / 1M
Instabile Tests
4
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generierungs-Showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:22 Neuer Test hinzugefügt | 7.4 | 10.0 | $0.927 | Vergleichen | |
| 2026-05-26 13:30 Erneuter Test | 7.7 | 10.0 | $0.729 | Vergleichen | |
| 2026-05-22 00:36 Suite geändert | 7.6 | 10.0 | $0.633 | Aktueller Lauf |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:36 · Suite geändert | 7.6 | 8.5 | 10.0 | 12/20 | 4 | 295,603 | 0 | $0.633 | 26.36s |
| 2026-06-04 14:22 · Neuer Test hinzugefügt | 7.4 | 9.9 | 10.0 | 13/21 | 0 | 440,800 | 44,418 | $0.927 | 49.90s |
| Differenz | +0.2 | -1.4 | 0.0 | -1 | +4 | -145197 | -44418 | -$0.294 | -23542ms |
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 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 A55bmediumKostenlos verfügbarGrok Build 0.1mediumvsGPT-5.5low
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 10.0 | 10.0 | |
| Programmierung | 5.3 | 2.9 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.3 | 10.0 | |
| Allgemeine Intelligenz | 3.8 | 2.5 | |
| Befolgung von Anweisungen | 9.8 | 10.0 | |
| Rätsellösen | 6.2 | 7.5 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |