Advertise here
#112

Grok 4.5

X AI Rilis: 2026-07-08 Diuji pada: 2026-10-01 02:38 x-ai/grok-4.5::low
~1.7T total (~170B aktif)MoETertutupPerkiraan
(high) (medium) (low)

Ringkasan

Grok 4.5 mendapat skor 7.8 di AI BENCHY dan berada di peringkat #112. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 73.9%, total biaya $1.345, dan waktu respons rata-rata 18.14s.

Yang membuat Grok 4.5 unik: Model ini paling menonjol di Pemrograman, dengan peringkat #1, sementara Tugas agen adalah area terlemahnya di #14. Model ini terasa cepat dibandingkan model serupa.

Fakta model

Ditelaah pada 2026-08-12

Perkiraan
Parameter
~1.7T total (~170B aktif)
Arsitektur
MoE
Ketersediaan
Tertutup
Lisensi
-

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

Sumber parameter Sumber ketersediaan

Skor

7.8

Konsistensi

9.3

Keandalan

10.0

Total biaya (harga saat ini)

$1.345

Total token output

121,415

Total token input

308,068

Harga input

$2.000 / 1M

Harga output

$6.000 / 1M

Harga baca cache

$0.300 / 1M

Harga tulis cache

T/A

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Tes benar

Tes Salah: 7

Tingkat lulus per percobaan: 73.9%

Tes tidak stabil

2

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

Waktu respons (rata-rata)

18.14s

Waktu respons (maks): 205.28s

Waktu respons (total): 417.21s

Jawaban salah: 7

Hamster playing table tennis

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

#112 SpaceXAI: Grok 4.5

low
Biaya
$0.011
Waktu
12.4s
Token
2,018 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-10-01 02:38 Uji ulang 7.8 10.0 $1.345 Run saat ini
2026-07-16 23:08 Tes baru ditambahkan 8.4 10.0 $0.935 Bandingkan
2026-07-08 22:51 Run awal 7.8 10.0 $0.760 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-10-01 02:38 · Run saat ini69/69 percobaan7.89.310.016/232121,415308,068$1.34518.14s
2026-07-16 23:08 · Tes baru ditambahkan66/66 percobaan8.49.710.016/221113,951125,596$0.93515.56s
Selisih—-0.6-0.40.00+1+7464+182472+$0.410+2580ms

Cakupan benchmark berbeda: 69/69 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 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.

Riwayat harga

Data harga historis untuk model ini dari OpenRouter.

Tanggal Harga input Harga output Harga baca cache Harga tulis cache
2026-08-14 12:51 $2.000 / 1M $6.000 / 1M T/A T/A
2026-10-01 18:33 $2.000 / 1M $6.000 / 1M $0.300 / 1M T/A

Grafik

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

Total token output

Skor vs Total token output

Perbandingan Cepat

Grok 4.5lowvsQwen3.7 PlusnoneGrok 4.5lowvsDeepSeek V4 Flash 0731mediumGrok 4.5lowvsGrok 4.6mediumGrok 4.5lowvsGPT-6 LunahighGrok 4.5lowvsStep 3.7 FlashmediumGrok 4.5lowvsMuse Glimmer 30BhighGrok 4.5lowvsGLM 5.3highGrok 4.5lowvsQwen3.5 Plus 2026-04-20mediumGrok 4.5lowvsGrok 4.5mediumGrok 4.5lowvsQwen3.7 Flashlow

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Tugas agen 5.0 10.0
Trik anti-AI 10.0 10.0
Pemrograman 10.0 10.0
Gabungan 6.5 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 2.9 7.2
Kecerdasan umum 6.1 3.1
Kepatuhan instruksi 9.8 10.0
Pemecahan teka-teki 10.0 10.0
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan