Advertise here
#40

Grok 4.6

X AI रिलीज़: 2026-08-12 परीक्षण किया गया: 2026-08-12 22:58 x-ai/grok-4.6::medium
~1.7T कुल (~170B सक्रिय)MoEबंद स्रोतअनुमानित
(high) (medium) (low)

सारांश

Grok 4.6 AI BENCHY पर 8.3 स्कोर करता है और #40 पर है। इसकी reliability 10.0, pass rate 80.3%, कुल लागत $1.656, और औसत response time 71.86s है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
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।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

8.3

संगति

8.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.656

कुल आउटपुट टोकन

240,338

कुल इनपुट टोकन

106,778

इनपुट कीमत

$2.000 / 1M

आउटपुट कीमत

$6.000 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 80.3%

अस्थिर टेस्ट

5

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

प्रतिक्रिया समय (औसत)

71.86s

प्रतिक्रिया समय (अधिकतम): 514.35s

प्रतिक्रिया समय (कुल): 1580.96s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 1

Hamster playing table tennis

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

#40 SpaceXAI: Grok 4.6

medium
लागत
$0.028
समय
72.1s
टोकन
4,771 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 04:35 दोबारा परीक्षण 8.4 10.0 $1.713 तुलना करें
2026-08-12 22:58 पहला रन 8.3 10.0 $1.656 वर्तमान रन

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-08-12 22:58 · पहला रन66/66 प्रयास8.38.210.015/225240,338106,778$1.65671.86s
2026-08-14 04:35 · दोबारा परीक्षण66/66 प्रयास8.48.610.016/224249,808106,787$1.71373.46s
अंतर—-0.1-0.40.0-1+1-9470-9-$0.057-1598ms

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
2026-08-12 23:12 $2.000 / 1M $6.000 / 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 4.6mediumvsMuse Spark 1.2lowGrok 4.6mediumvsGrok 4.5lowGrok 4.6mediumvsGrok 4.5mediumGrok 4.6mediumvsGPT-5.2mediumGrok 4.6mediumvsDeepSeek V4.1 FlashmediumGrok 4.6mediumvsQwen3.8 27BhighGrok 4.6mediumvsDeepSeek V4.1 FlashhighGrok 4.6mediumvsMiMo-V2.6-PromediumGrok 4.6mediumvsDeepSeek V4.1 FlashlowGrok 4.6mediumvsSeed 2.1 Turbomedium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 8.2 7.2
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 4.1 2.7
निर्देश पालन 9.8 10.0
पहेली समाधान 8.7 7.7
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल