AI BENCHY Compare

MiniMax: MiniMax M3 vs xAI: Grok Build 0.1

Ringkasan

Perbandingan benchmark MiniMax M3 vs Grok Build 0.1: Skor rata-rata hampir imbang di 7.6 vs 7.6. MiniMax M3 memiliki biaya benchmark lebih rendah di $0.131 vs $0.927. Grok Build 0.1 lebih cepat di 49.90s vs 68.17s, dengan tingkat keberhasilan 65.1% vs 61.9%.

Model yang direkomendasikan: MiniMax M3 - It has the best score here (7.6), while costing about 7.1x less than Grok Build 0.1.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik	MiniMax M3 MiniMax M3 medium Rilis: 2026-06-01	Grok Build 0.1 Grok Build 0.1 medium Rilis: 2026-05-21

Metrik	MiniMax M3 MiniMax M3 medium Rilis: 2026-06-01	Grok Build 0.1 Grok Build 0.1 medium Rilis: 2026-05-21
Skor	7.6	7.6
Peringkat	#42	#44
Keandalan	9.6	10.0
Konsistensi	7.9	9.9
Tes benar
Tingkat lulus per percobaan	65.1%	61.9%
Tes tidak stabil	5	0
Total Run	63	63
Biaya per hasil	1.187	7.124
Total Biaya	$0.131	$0.927
Harga input	$0.300 / 1M	$1.000 / 1M
Harga output	$1.200 / 1M	$2.000 / 1M
Total token input	46,546	44,418
Token output	49,036	2,782
Token penalaran	92,543	438,018
Waktu respons (rata-rata)	68.17s	49.90s
Waktu respons (maks)	431.03s	252.69s
Waktu respons (total)	1363.38s	1047.92s

Showcase generasi

Hamster playing table tennis

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

#42 MiniMax M3

medium

Biaya: $0.012
Waktu: 154.4s
Token: 10,018 tok

#44 xAI: Grok Build 0.1

medium

Biaya: $0.028
Waktu: 81.3s
Token: 14,009 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	5.5	3.7	66.7%	3		14.95s	2,526	874	3,414
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	6.1	6.5	55.6%	1		144.74s	5,804	6,223	32,667
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	10.0	10.0	100.0%	0		65.30s	14,760	1,306	6,253
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	10.0	10.0	100.0%	0		14.92s	8,088	514	3,164
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	5.5	9.3	33.3%	0		233.13s	869	16,254	19,070
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	5.1	3.4	33.3%	1		33.25s	954	2,487	2,523
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	9.8	10.0	100.0%	0		6.14s	1,623	103	920
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	7.9	9.9	66.7%	0		49.91s	2,079	11,946	13,761
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	10.0	10.0	100.0%	0		11.91s	9,168	281	555
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	3.0	10.0	0.0%	0		100.80s	675	9,048	10,216
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V4 ProhighvsMiniMax M3medium DeepSeek V4 ProhighvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium MiniMax M3mediumvsStep 3.7 Flashlow MiniMax M3mediumvsGPT-5.3 Chatnone Step 3.7 FlashlowvsGrok Build 0.1medium Claude Opus 4.8lowvsMiniMax M3medium Claude Opus 4.8lowvsGrok Build 0.1medium Gemini 3 Flash PreviewlowvsGrok Build 0.1medium Gemini 3 Flash PreviewlowvsMiniMax M3medium Claude Sonnet 4.6nonevsGrok Build 0.1medium Claude Sonnet 4.6nonevsMiniMax M3medium