AI BENCHY
Advertise here
#20

Grok 4.3

X AI Lansare: 2026-05-01 Testat la: 2026-05-01 00:40 x-ai/grok-4.3::medium

Rezumat

Grok 4.3 obține 8.2 pe AI BENCHY și este pe #20. Are fiabilitate 10.0, rată de reușită 81.5%, cost total $0.517 și timp mediu de răspuns 48.63s.

Ce face Grok 4.3 unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Scor

8.2

Consistență

8.6

Fiabilitate

10.0

Cost total (preț curent)

$0.517

Total tokenuri de ieșire

188,270

Total tokenuri de intrare

0

Preț de intrare

$1.250 / 1M

Preț de ieșire

$2.500 / 1M

Teste corecte

Teste greșite: 5

Rată de trecere pe încercare: 81.5%

Teste instabile

3

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

Timp de răspuns (mediu)

48.63s

Timp de răspuns (maxim): 216.69s

Timp de răspuns (total): 875.27s

Nu a urmat instrucțiunile: 3 Răspuns greșit: 2

Hamster playing table tennis

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

#20 xAI: Grok 4.3

medium
Cost
$0.009
Timp
19.0s
Tokenuri
3,661 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-07-16 23:07 Test nou adăugat 7.1 10.0 $0.779 Compară
2026-06-04 14:11 Test nou adăugat 7.6 10.0 $0.614 Compară
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 Rularea curentă

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-01 00:40 · Prima rulare8.28.610.013/183188,2700$0.51748.63s
2026-05-22 00:32 · Retestare7.88.410.013/204216,4130$0.59349.23s
Diferență+0.5+0.20.00-1-281430-$0.077-601ms

Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.

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 4.3mediumvsQwen3.5-122B-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

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 10.0 10.0
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

Modele comparate