AI BENCHY
Advertise here
#40

Grok 4.3

X AI Lansare: 2026-05-01 Testat la: 2026-06-04 14:11 x-ai/grok-4.3::medium

Rezumat

Grok 4.3 obține 7.7 pe AI BENCHY și este pe #40. Are fiabilitate 10.0, rată de reușită 71.4%, cost total $0.614 și timp mediu de răspuns 47.51s.

Ce face Grok 4.3 unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #1, iar Rezolvare de puzzle-uri este zona cea mai slabă, la #13.

Scor

7.7

Consistență

8.5

Fiabilitate

10.0

Cost total (preț curent)

$0.614

Total tokenuri de ieșire

223,363

Total tokenuri de intrare

44,472

Preț de intrare

$1.250 / 1M

Preț de ieșire

$2.500 / 1M

Teste corecte

Teste greșite: 8

Rată de trecere pe încercare: 71.4%

Teste instabile

4

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

47.51s

Timp de răspuns (maxim): 216.69s

Timp de răspuns (total): 997.68s

Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1

Generation showcase

Hamster playing table tennis

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

#40 xAI: Grok 4.3

medium
Cost
$0.009
Time
19.0s
Tokens
3,661 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 14:11 Test nou adăugat 7.6 10.0 $0.614 Rularea curentă
2026-05-22 00:32 Retestare 7.8 10.0 $0.593 Compară
2026-05-01 00:40 Prima rulare 8.2 10.0 $0.517 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 15:40 $1.250 / 1M $2.500 / 1M

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Grok 4.3mediumvsGemini 3.1 Flash Lite PreviewmediumGrok 4.3mediumvsGemini 3.1 Flash LitemediumGrok 4.3mediumvsClaude Sonnet 4.6mediumGrok 4.3mediumvsKimi K2.6mediumDisponibil gratuitGrok 4.3mediumvsQwen3.6 PlusmediumGrok 4.3mediumvsQwen3.5-122B-A10BmediumGrok 4.3mediumvsGemini 3.5 FlashhighGrok 4.3mediumvsGemini 3 Flash PreviewmediumGrok 4.3mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGrok 4.3mediumvsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 5.9 7.7
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 5.4 2.5
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 5.9 7.2
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate