AI BENCHY
Advertise here
#33

Grok 4.3

X AI प्रकाशन: 2026-05-01 चाचणी तारीख: 2026-05-22 00:32 x-ai/grok-4.3::medium

सारांश

Grok 4.3 AI BENCHY वर 7.8 स्कोर करते आणि #33 वर आहे. याची reliability 10.0, pass rate 75.0%, एकूण खर्च $0.593, आणि सरासरी response time 49.23s आहे.

Grok 4.3 खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #17.

स्कोअर

7.8

सुसंगतता

8.4

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.593

एकूण आउटपुट टोकन्स

216,413

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$1.250 / 1M

आउटपुट किंमत

$2.500 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 7

प्रति प्रयत्न पास दर: 75.0%

अस्थिर चाचण्या

4

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

49.23s

प्रतिसाद वेळ (कमाल): 216.69s

प्रतिसाद वेळ (एकूण): 984.54s

चुकीचे उत्तर: 4 सूचनांचे पालन केले नाही: 2 अतिरिक्त फॉरमॅटिंग: 1

Hamster playing table tennis

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

#33 xAI: Grok 4.3

medium
खर्च
$0.009
वेळ
19.0s
टोकन्स
3,661 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-07-16 23:07 नवीन चाचणी जोडली 7.1 10.0 $0.779 तुलना करा
2026-06-04 14:11 नवीन चाचणी जोडली 7.6 10.0 $0.614 तुलना करा
2026-05-22 00:32 पुन्हा चाचणी 7.8 10.0 $0.593 सध्याची रन
2026-05-01 00:40 पहिला रन 8.2 10.0 $0.517 तुलना करा

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-05-22 00:32 · पुन्हा चाचणी7.88.410.013/204216,4130$0.59349.23s
2026-07-16 23:07 · नवीन चाचणी जोडली7.18.610.013/224241,421140,031$0.77947.45s
फरक+0.6-0.20.000-25008-140031-$0.186+1780ms

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Grok 4.3mediumvsQwen3.5-122B-A10BmediumGrok 4.3mediumvsGLM 5.1mediumGrok 4.3mediumvsQwen3.7 PlusnoneGrok 4.3mediumvsGrok 4.20mediumGrok 4.3mediumvsQwen3.5 Plus 2026-04-20mediumGrok 4.3mediumvsDeepSeek V3.2mediumGrok 4.3mediumvsKAT-Coder-Pro V2.5highGrok 4.3mediumvsKimi K2.5mediumGrok 4.3mediumvsKimi K2.6mediumGrok 4.3mediumvsMercury 2medium

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 7.4 6.5
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 5.4 2.5
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 5.9 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स