Advertise here
#111

Grok 4.5

X AI Lansare: 2026-07-08 Testat la: 2026-10-01 02:39 x-ai/grok-4.5::medium
~1.7T în total (~170B activi)MoEÎnchisEstimat
(high) (medium) (low)

Rezumat

Grok 4.5 obține 7.8 pe AI BENCHY și este pe #111. Are fiabilitate 10.0, rată de reușită 79.7%, cost total $2.996 și timp mediu de răspuns 68.44s.

Date despre model

Documentat la 2026-08-12

Estimat
Parametri
~1.7T în total (~170B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor Sursa disponibilității

Scor

7.8

Consistență

9.0

Fiabilitate

10.0

Cost total (preț curent)

$2.996 ↑ +22.1%

Testat la: $2.454

Total tokenuri de ieșire

306,044

Total tokenuri de intrare

308,369

Preț de intrare

$2.000 / 1M

Preț de ieșire

$6.000 / 1M

Preț citire cache

$0.300 / 1M

Preț scriere cache

N/D

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Teste corecte

Teste greșite: 6

Rată de trecere pe încercare: 79.7%

Teste instabile

3

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

Timp de răspuns (mediu)

68.44s

Timp de răspuns (maxim): 436.38s

Timp de răspuns (total): 1574.14s

Răspuns greșit: 6

Hamster playing table tennis

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

#111 SpaceXAI: Grok 4.5

medium
Cost
$0.044
Timp
59.4s
Tokenuri
7,512 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-10-01 02:39 Retestare 7.8 10.0 $2.996 ↑ Rularea curentă
2026-07-16 23:09 Test nou adăugat 8.3 10.0 $1.928 Compară
2026-07-08 23:28 Retestare 8.3 9.9 $1.696 Compară
2026-07-08 21:34 Prima rulare 8.3 9.6 $1.327 Compară

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

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-10-01 02:39 · Rularea curentă69/69 încercări7.89.010.017/233306,044308,369$2.99668.44s
2026-07-08 21:34 · Prima rulare63/63 încercări8.38.99.615/213203,36553,198$1.32763.50s
Diferență—-0.5+0.1+0.4+20+102679+255171+$1.669+4944ms

Acoperirea benchmark diferă: 69/69 încercări (Țintă: 3 repetări per test) față de 63/63 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.

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

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire Preț citire cache Preț scriere cache
2026-08-14 12:51 $2.000 / 1M $6.000 / 1M N/D N/D
2026-10-01 18:33 $2.000 / 1M $6.000 / 1M $0.300 / 1M N/D

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 4.5mediumvsLing 3.1 FlashhighGrok 4.5mediumvsGLM 5.3highGrok 4.5mediumvsMiMo-V2.6-FlashmediumGrok 4.5mediumvsStep 3.7 FlashmediumGrok 4.5mediumvsQwen3.8 2.4T A95BhighGrok 4.5mediumvsGrok 4.6mediumGrok 4.5mediumvsGemini 3.5 FlashmediumGrok 4.5mediumvsQwen3.7 PlusnoneGrok 4.5mediumvsQwen3.7 MaxnoneGrok 4.5mediumvsGrok 4.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 5.0 10.0
Trucuri anti-AI 10.0 10.0
Programare 7.6 7.2
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 6.5 3.4
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 10.0 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate