Advertise here
#20

Grok 4.3

X AI Rilis: 2026-05-01 Diuji pada: 2026-05-01 00:40 x-ai/grok-4.3::medium
~1.5T total (~150B aktif)MoETertutupPerkiraan

Ringkasan

Grok 4.3 mendapat skor 8.2 di AI BENCHY dan berada di peringkat #20. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 81.5%, total biaya $0.517, dan waktu respons rata-rata 48.63s.

Fakta model

Ditelaah pada 2026-08-12

Perkiraan
Parameter
~1.5T total (~150B aktif)
Arsitektur
MoE
Ketersediaan
Tertutup
Lisensi
-

Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.

Sumber parameter Sumber ketersediaan

Skor

8.2

Konsistensi

8.6

Keandalan

10.0

Total biaya (harga saat ini)

$0.517

Total token output

188,270

Total token input

0

Harga input

$1.250 / 1M

Harga output

$2.500 / 1M

Tes benar

Tes Salah: 5

Tingkat lulus per percobaan: 81.5%

Tes tidak stabil

3

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

48.63s

Waktu respons (maks): 216.69s

Waktu respons (total): 875.27s

Tidak mengikuti instruksi: 3 Jawaban salah: 2

Hamster playing table tennis

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

#20 xAI: Grok 4.3

medium
Biaya
$0.009
Waktu
19.0s
Token
3,661 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-08-14 02:54 Uji ulang 7.0 10.0 $0.741 Bandingkan
2026-07-16 23:07 Tes baru ditambahkan 7.1 10.0 $0.779 Bandingkan
2026-06-04 14:11 Tes baru ditambahkan 7.6 10.0 $0.614 Bandingkan
2026-05-22 00:32 Uji ulang 7.8 10.0 $0.593 Bandingkan
2026-05-01 00:40 Run awal 8.2 10.0 $0.517 Run saat ini

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-05-01 00:40 · Run awal54/54 percobaan8.28.610.013/183188,2700$0.51748.63s
2026-05-22 00:32 · Uji ulang60/60 percobaan7.88.410.013/204216,4130$0.59349.23s
Selisih—+0.5+0.20.00-1-281430-$0.077-601ms

Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 60/60 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.

Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

Grok 4.3mediumvsMercury 2.5highGrok 4.3mediumvsGPT-5.6 SolnoneGrok 4.3mediumvsSolar Pro 4highGrok 4.3mediumvsDeepSeek V3.2mediumGrok 4.3mediumvsStep 3.7 FlashlowGrok 4.3mediumvsGLM 5.1mediumGrok 4.3mediumvsMuse Glimmer 30BlowGrok 4.3mediumvsGPT-5.5noneGrok 4.3mediumvsQwen3.5-122B-A10BmediumGrok 4.3mediumvsMercury 2medium

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 10.0 10.0
Pemrograman 10.0 10.0
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 5.3 7.2
Kecerdasan umum 5.4 2.5
Kepatuhan instruksi 9.8 10.0
Pemecahan teka-teki 5.9 7.2
Pemanggilan alat 10.0 10.0

Model yang Dibandingkan