AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#111

Grok 4.5

X AI Rilis: 2026-07-08 Diuji pada: 2026-10-01 02:39 x-ai/grok-4.5::medium
~1.7T total (~170B aktif)MoETertutupPerkiraan
(high) (medium) (low)

Ringkasan

Grok 4.5 mendapat skor 7.8 di AI BENCHY dan berada di peringkat #111. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 79.7%, total biaya $2.996, dan waktu respons rata-rata 68.44s.

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

9.0

Keandalan

10.0

Total biaya (harga saat ini)

$2.996 ↑ +22.1%

Diuji pada: $2.454

Total token output

306,044

Total token input

308,369

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: 6

Tingkat lulus per percobaan: 79.7%

Tes tidak stabil

3

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

Waktu respons (rata-rata)

68.44s

Waktu respons (maks): 436.38s

Waktu respons (total): 1574.14s

Jawaban salah: 6

Hamster playing table tennis

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

#111 SpaceXAI: Grok 4.5

medium
Biaya
$0.044
Waktu
59.4s
Token
7,512 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-10-01 02:39 Uji ulang 7.8 10.0 $2.996 ↑ Run saat ini
2026-07-16 23:09 Tes baru ditambahkan 8.3 10.0 $1.928 Bandingkan
2026-07-08 23:28 Uji ulang 8.3 9.9 $1.696 Bandingkan
2026-07-08 21:34 Run awal 8.3 9.6 $1.327 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 02:39 · Run saat ini69/69 percobaan7.89.010.017/233306,044308,369$2.99668.44s
2026-07-08 23:28 · Uji ulang63/63 percobaan8.38.99.915/213264,74853,500$1.69662.63s
Selisih—-0.5+0.1+0.1+20+41296+254869+$1.300+5812ms

Cakupan benchmark berbeda: 69/69 percobaan (Target: 3 pengulangan per tes) dibanding 63/63 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 4.5mediumvsLing 3.1 FlashhighGrok 4.5mediumvsGLM 5.3highGrok 4.5mediumvsMiMo-V2.6-FlashmediumGrok 4.5mediumvsStep 3.7 FlashmediumGrok 4.5mediumvsQwen3.8 2.4T A95BhighGrok 4.5mediumvsGrok 4.6mediumGrok 4.5mediumvsGemini 3.5 FlashmediumGrok 4.5mediumvsQwen3.7 PlusnoneGrok 4.5mediumvsQwen3.7 MaxnoneGrok 4.5mediumvsGrok 4.5low

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Tugas agen 5.0 10.0
Trik anti-AI 10.0 10.0
Pemrograman 7.6 7.2
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 5.3 7.2
Kecerdasan umum 6.5 3.4
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