AI BENCHY
Advertise here
#40

Grok 4.3

X AI रिलीज़: 2026-05-01 परीक्षण किया गया: 2026-06-04 14:11 x-ai/grok-4.3::medium

सारांश

Grok 4.3 AI BENCHY पर 7.7 स्कोर करता है और #40 पर है। इसकी reliability 10.0, pass rate 71.4%, कुल लागत $0.614, और औसत response time 47.51s है।

Grok 4.3 को अलग क्या बनाता है: यह एंटी-एआई ट्रिक्स में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #13 पर है।

स्कोर

7.7

संगति

8.5

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.614

कुल आउटपुट टोकन

223,363

कुल इनपुट टोकन

44,472

इनपुट कीमत

$1.250 / 1M

आउटपुट कीमत

$2.500 / 1M

सही परीक्षण

गलत टेस्ट: 8

प्रति प्रयास पास दर: 71.4%

अस्थिर टेस्ट

4

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

47.51s

प्रतिक्रिया समय (अधिकतम): 216.69s

प्रतिक्रिया समय (कुल): 997.68s

गलत उत्तर: 5 निर्देशों का पालन नहीं किया: 2 अतिरिक्त फॉर्मेटिंग: 1

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#40 xAI: Grok 4.3

medium
Cost
$0.009
Time
19.0s
Tokens
3,661 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 14:11 नया टेस्ट जोड़ा गया 7.6 10.0 $0.614 वर्तमान रन
2026-05-22 00:32 दोबारा परीक्षण 7.8 10.0 $0.593 तुलना करें
2026-05-01 00:40 पहला रन 8.2 10.0 $0.517 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-06-04 14:11 · वर्तमान रन7.78.510.013/214223,36344,472$0.61447.51s
2026-05-22 00:32 · दोबारा परीक्षण7.88.410.013/204216,4130$0.59349.23s
अंतर-0.1+0.10.000+6950+44472+$0.022-1718ms

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 15:40 $1.250 / 1M $2.500 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Grok 4.3mediumvsGemini 3.1 Flash Lite PreviewmediumGrok 4.3mediumvsGemini 3.1 Flash LitemediumGrok 4.3mediumvsClaude Sonnet 4.6mediumGrok 4.3mediumvsKimi K2.6mediumनिःशुल्क उपलब्धGrok 4.3mediumvsQwen3.6 PlusmediumGrok 4.3mediumvsQwen3.5-122B-A10BmediumGrok 4.3mediumvsGemini 3.5 FlashhighGrok 4.3mediumvsGemini 3 Flash PreviewmediumGrok 4.3mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धGrok 4.3mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 5.9 7.7
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 5.4 2.5
निर्देश पालन 9.8 10.0
पहेली समाधान 5.9 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल