सारांश
Grok Build 0.1 AI BENCHY वर 6.6 स्कोर करते आणि #82 वर आहे. याची reliability 10.0, pass rate 60.4%, एकूण खर्च $0.547, आणि सरासरी response time 28.69s आहे.
Grok Build 0.1 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #13.
संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.
6.6
सुसंगतता
8.0
10.0
$0.547
एकूण आउटपुट टोकन्स
267,275
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$1.000 / 1M
आउटपुट किंमत
$2.000 / 1M
अस्थिर चाचण्या
4
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-21 12:40 पुन्हा चाचणी | 6.0 | 10.0 | $0.547 | तुलना करा | |
| 2026-05-21 12:40 पुन्हा चाचणी | 6.6 | 10.0 | $0.547 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 12:40 · पुन्हा चाचणी | 6.6 | 8.0 | 10.0 | 7/16 | 4 | 267,275 | 0 | $0.547 | 28.69s |
| 2026-05-21 12:40 · पुन्हा चाचणी | 6.0 | 8.3 | 10.0 | 7/19 | 4 | 267,275 | 11,793 | $0.547 | 28.69s |
| फरक | +0.6 | -0.3 | 0.0 | +3 | 0 | 0 | -11793 | $0.000 | 0ms |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.7 | 7.9 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 0.0 | 0.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 4.7 | 1.6 | |
| डोमेन-विशिष्ट | 3.6 | 7.2 | |
| Samanya Buddhimatta | 4.3 | 10.0 | |
| सूचनांचे पालन | 9.8 | 10.0 | |
| कोडी सोडवणे | 6.4 | 7.7 | |
| टूल कॉलिंग | 0.0 | 0.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |