AI BENCHY
Advertise here
#44

Grok Build 0.1

X AI Rilis: 2026-05-21 Diuji pada: 2026-06-04 14:22 x-ai/grok-build-0.1::medium
(medium) (none)

Ringkasan

Grok Build 0.1 mendapat skor 7.6 di AI BENCHY dan berada di peringkat #44. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 61.9%, total biaya $0.927, dan waktu respons rata-rata 49.90s.

Yang membuat Grok Build 0.1 unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #3, sementara Pemrograman adalah area terlemahnya di #13. Model ini memakai token reasoning yang sangat tinggi, yang bisa menjelaskan run yang lebih lambat atau lebih mahal.

Skor

7.6

Konsistensi

9.9

Keandalan

10.0

Total biaya (harga saat ini)

$0.927

Total token output

440,800

Total token input

44,418

Harga input

$1.000 / 1M

Harga output

$2.000 / 1M

Tes benar

Tes Salah: 8

Tingkat lulus per percobaan: 61.9%

Tes tidak stabil

0

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

Waktu respons (rata-rata)

49.90s

Waktu respons (maks): 252.69s

Waktu respons (total): 1047.92s

Jawaban salah: 5 Format tambahan: 3

Showcase generasi

Hamster playing table tennis

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

#44 xAI: Grok Build 0.1

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

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-06-04 14:22 Tes baru ditambahkan 7.4 10.0 $0.927 Run saat ini
2026-05-26 13:30 Uji ulang 7.7 10.0 $0.729 Bandingkan
2026-05-22 00:36 Suite berubah 7.6 10.0 $0.633 Bandingkan

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

Perbandingan run

RunSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-06-04 14:22 · Run saat ini7.69.910.013/210440,80044,418$0.92749.90s
2026-05-22 00:36 · Suite berubah7.68.510.012/204295,6030$0.63326.36s
Selisih0.0+1.40.0+1-4+145197+44418+$0.294+23542ms

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
2026-06-04 15:40 $1.000 / 1M $2.000 / 1M

Grafik

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

Total token output

Skor vs Total token output

Perbandingan Cepat

Grok Build 0.1mediumvsMiniMax M3mediumGrok Build 0.1mediumvsStep 3.7 FlashlowGrok Build 0.1mediumvsKimi K2.5mediumGrok Build 0.1mediumvsClaude Opus 4.6mediumGrok Build 0.1mediumvsMercury 2mediumGrok Build 0.1mediumvsGemini 3.5 FlashhighGrok Build 0.1mediumvsGemini 3 Flash PreviewmediumGrok Build 0.1mediumvsNemotron 3 Ultra 550b A55bmediumTersedia gratisGrok Build 0.1mediumvsGPT-5.5low

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 8.3 10.0
Pemrograman 5.7 9.7
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 5.3 10.0
Kecerdasan umum 4.4 9.9
Kepatuhan instruksi 9.8 10.0
Pemecahan teka-teki 7.7 10.0
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan