AI BENCHY
Advertise here
#46

Grok Build 0.1

X AI Rilis: 2026-05-21 Diuji pada: 2026-05-22 00:36 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 #46. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 70.0%, total biaya $0.633, dan waktu respons rata-rata 26.36s.

Yang membuat Grok Build 0.1 unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #3, sementara Pemrograman adalah area terlemahnya di #16. Model ini memakai token reasoning yang sangat tinggi, yang bisa menjelaskan run yang lebih lambat atau lebih mahal.

Skor

7.6

Konsistensi

8.5

Keandalan

10.0

Total biaya (harga saat ini)

$0.633

Total token output

295,603

Total token input

0

Harga input

$1.000 / 1M

Harga output

$2.000 / 1M

Tes benar

Tes Salah: 8

Tingkat lulus per percobaan: 70.0%

Tes tidak stabil

4

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

Waktu respons (rata-rata)

26.36s

Waktu respons (maks): 103.89s

Waktu respons (total): 527.19s

Jawaban salah: 4 Format tambahan: 2 Tidak mengikuti instruksi: 2

Showcase generasi

Hamster playing table tennis

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

#46 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 Bandingkan
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 Run saat ini

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)
2026-05-22 00:36 · Suite berubah7.68.510.012/204295,6030$0.63326.36s
2026-05-26 13:30 · Uji ulang7.79.910.013/200343,6390$0.72942.39s
Selisih-0.1-1.40.0-1+4-480360-$0.097-16029ms

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 10.0 10.0
Pemrograman 5.3 2.9
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 5.3 10.0
Kecerdasan umum 3.8 2.5
Kepatuhan instruksi 9.8 10.0
Pemecahan teka-teki 6.2 7.5
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan