#46 xAI: Grok Build 0.1
medium- लागत
- $0.028
- समय
- 81.3s
- टोकन
- 14,009 tok
X AI
रिलीज़: 2026-05-21
परीक्षण किया गया: 2026-05-22 00:36
x-ai/grok-build-0.1::medium
(medium)
(none)
सारांश
Grok Build 0.1 AI BENCHY पर 7.6 स्कोर करता है और #46 पर है। इसकी reliability 10.0, pass rate 70.0%, कुल लागत $0.633, और औसत response time 26.36s है।
Grok Build 0.1 को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।
7.6
संगति
8.5
10.0
$0.633
कुल आउटपुट टोकन
295,603
कुल इनपुट टोकन
0
इनपुट कीमत
$1.000 / 1M
आउटपुट कीमत
$2.000 / 1M
अस्थिर टेस्ट
4
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:22 नया टेस्ट जोड़ा गया | 7.4 | 10.0 | $0.927 | तुलना करें | |
| 2026-05-26 13:30 दोबारा परीक्षण | 7.7 | 10.0 | $0.729 | तुलना करें | |
| 2026-05-22 00:36 सूट बदला गया | 7.6 | 10.0 | $0.633 | वर्तमान रन |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:36 · सूट बदला गया | 7.6 | 8.5 | 10.0 | 12/20 | 4 | 295,603 | 0 | $0.633 | 26.36s |
| 2026-06-04 14:22 · नया टेस्ट जोड़ा गया | 7.4 | 9.9 | 10.0 | 13/21 | 0 | 440,800 | 44,418 | $0.927 | 49.90s |
| अंतर | +0.2 | -1.4 | 0.0 | -1 | +4 | -145197 | -44418 | -$0.294 | -23542ms |
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 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 A55bmediumनिःशुल्क उपलब्धGrok Build 0.1mediumvsGPT-5.5low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| कोडिंग | 5.3 | 2.9 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 3.8 | 2.5 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 6.2 | 7.5 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |