AI BENCHY
Advertise here
#34

Grok 4.5

X AI Rilis: 2026-07-08 Diuji pada: 2026-07-08 22:51 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 #34. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 74.6%, total biaya $0.760, dan waktu respons rata-rata 15.48s.

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

9.7

Keandalan

10.0

Total biaya (harga saat ini)

$0.760

Total token output

106,968

Total token input

58,652

Harga input

$2.000 / 1M

Harga output

$6.000 / 1M

Tes benar

Tes Salah: 6

Tingkat lulus per percobaan: 74.6%

Tes tidak stabil

1

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

Waktu respons (rata-rata)

15.48s

Waktu respons (maks): 205.28s

Waktu respons (total): 324.98s

Jawaban salah: 6

Hamster playing table tennis

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

#34 xAI: 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
2026-08-14 02:54 Uji ulang 8.4 10.0 $0.945 Bandingkan
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 Run saat ini

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-07-08 22:51 · Run awal63/63 percobaan7.89.710.015/211106,96858,652$0.76015.48s
2026-08-14 02:54 · Uji ulang66/66 percobaan8.49.310.016/222115,489125,605$0.94516.17s
Selisih—-0.6+0.40.0-1-1-8521-66953-$0.186-692ms

Cakupan benchmark berbeda: 63/63 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
2026-07-08 22:12 $2.000 / 1M $6.000 / 1M

Grafik

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

Total token output

Skor vs Total token output

Perbandingan Cepat

Grok 4.5lowvsGrok 4.6mediumGrok 4.5lowvsGPT-5.2mediumGrok 4.5lowvsMuse Spark 1.2lowGrok 4.5lowvsQwen3.8 27BhighGrok 4.5lowvsGrok 4.5mediumGrok 4.5lowvsSeed 2.1 TurbomediumGrok 4.5lowvsGPT-5.4mediumGrok 4.5lowvsInkling SmallhighGrok 4.5lowvsQwen3.8 MaxlowGrok 4.5lowvsMuse Spark 1.1low

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 10.0 10.0
Pemrograman 10.0 10.0
Gabungan 3.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 3.0 10.0
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