AI BENCHY
Advertise here
#12

Grok 4.5

X AI प्रकाशन: 2026-07-08 चाचणी तारीख: 2026-07-17 00:48 x-ai/grok-4.5::high
~1.7T एकूण (~170B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low)

सारांश

Grok 4.5 AI BENCHY वर 8.9 स्कोर करते आणि #12 वर आहे. याची reliability 10.0, pass rate 83.3%, एकूण खर्च $2.904, आणि सरासरी response time 76.50s आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~1.7T एकूण (~170B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

8.9

सुसंगतता

9.2

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$2.904 ↑ +70.1%

या किमतीवर चाचणी केली: $1.707

एकूण आउटपुट टोकन्स

253,195

एकूण इनपुट टोकन्स

151,562

इनपुट किंमत

$5.881 / 1M

आउटपुट किंमत

$5.881 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 5

प्रति प्रयत्न पास दर: 83.3%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

76.50s

प्रतिसाद वेळ (कमाल): 676.83s

प्रतिसाद वेळ (एकूण): 1683.07s

उत्तर नाही: 2 चुकीचे उत्तर: 2 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

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

#12 Grok 4.5

high
खर्च
$0.015
वेळ
29.7s
टोकन्स
2,737 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 02:59 पुन्हा चाचणी 9.0 10.0 $2.252 ↑ तुलना करा
2026-07-17 00:48 पहिला रन 8.9 10.0 $2.904 ↑ सध्याची रन

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 4.5highvsQwen3.8 MaxmediumGrok 4.5highvsGPT-5.3-CodexmediumGrok 4.5highvsGPT-5.5mediumGrok 4.5highvsSeed 2.1 TurbohighGrok 4.5highvsGemini 3.5 FlashmediumGrok 4.5highvsGemini 3.5 FlashlowGrok 4.5highvsQwen3.7 MaxmediumGrok 4.5highvsGemini 3.5 Flash LitehighGrok 4.5highvsSeed 2.1 TurbolowGrok 4.5highvsClaude Opus 4.8medium

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 4.7 1.6
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स