#12 Grok 4.5
high- लागत
- $0.015
- समय
- 29.7s
- टोकन
- 2,737 tok
X AI
रिलीज़: 2026-07-08
परीक्षण किया गया: 2026-07-17 00:48
x-ai/grok-4.5::high
~1.7T कुल (~170B सक्रिय)MoEबंद स्रोतअनुमानित
सारांश
Grok 4.5 AI BENCHY पर 8.9 स्कोर करता है और #12 पर है। इसकी reliability 10.0, pass rate 83.3%, कुल लागत $2.904, और औसत response time 76.50s है।
Grok 4.5 को अलग क्या बनाता है: यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- ~1.7T कुल (~170B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
8.9
संगति
9.2
10.0
कुल आउटपुट टोकन
253,195
कुल इनपुट टोकन
151,562
इनपुट कीमत
$5.881 / 1M
आउटपुट कीमत
$5.881 / 1M
कैश पढ़ने की कीमत
लागू नहीं
कैश लिखने की कीमत
लागू नहीं
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-08-14 02:59 दोबारा परीक्षण | 9.0 | 10.0 | $2.252 ↑ | तुलना करें | |
| 2026-07-17 00:48 पहला रन | 8.9 | 10.0 | $2.904 ↑ | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-07-17 00:48 · पहला रन | 66/66 प्रयास | 8.9 | 9.2 | 10.0 | 17/22 | 2 | 253,195 | 151,562 | $2.904 | 76.50s |
| 2026-08-14 02:59 · दोबारा परीक्षण | 66/66 प्रयास | 9.0 | 8.9 | 10.0 | 17/22 | 3 | 324,462 | 152,175 | $2.252 | 72.30s |
| अंतर | — | 0.0 | +0.3 | 0.0 | 0 | -1 | -71267 | -613 | +$0.653 | +4205ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Grok 4.5highvsGemini 4 ArgonlowGrok 4.5highvsGLM 5.2mediumGrok 4.5highvsQwen3.7 PlusmediumGrok 4.5highvsGPT-5.6 TerramediumGrok 4.5highvsLing 3.1 FlashmediumGrok 4.5highvsSeed-2.0-LitemediumGrok 4.5highvsClaude Opus 4.8mediumGrok 4.5highvsSeed-2.0-CodelowGrok 4.5highvsGPT-6 LunamediumGrok 4.5highvsDeepSeek V4 Pro 0423high
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.6 | 7.2 | |
| Samanya Buddhimatta | 4.7 | 1.6 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 10.0 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |