Advertise here
#98

Grok 4.6

X AI Lansare: 2026-08-12 Testat la: 2026-10-01 04:17 x-ai/grok-4.6::high
~1.7T în total (~170B activi)MoEÎnchisEstimat
(high) (medium) (low)

Rezumat

Grok 4.6 obține 8.5 pe AI BENCHY și este pe #98. Are fiabilitate 10.0, rată de reușită 82.6%, cost total $2.629 și timp mediu de răspuns 87.48s.

Ce face Grok 4.6 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #3, iar Sarcini agentice este zona cea mai slabă, la #15.

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

8.5

Consistență

10.0

Fiabilitate

10.0

Cost total (preț curent)

$2.629

Total tokenuri de ieșire

312,614

Total tokenuri de intrare

376,233

Preț de intrare

$2.000 / 1M

Preț de ieșire

$6.000 / 1M

Preț citire cache

$0.500 / 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: 4

Rată de trecere pe încercare: 82.6%

Teste instabile

0

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

Timp de răspuns (mediu)

87.48s

Timp de răspuns (maxim): 618.49s

Timp de răspuns (total): 2012.15s

Răspuns greșit: 3 Fără răspuns: 1

Hamster playing table tennis

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

#98 SpaceXAI: Grok 4.6

high
Cost
$0.107
Timp
265.1s
Tokenuri
18,001 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-10-01 04:17 Retestare 8.5 10.0 $2.629 Rularea curentă
2026-08-12 23:02 Prima rulare 9.2 10.0 $1.809 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 04:17 · Rularea curentă69/69 încercări8.510.010.019/230312,614376,233$2.62987.48s
2026-08-12 23:02 · Prima rulare66/66 încercări9.29.610.018/221265,604107,266$1.80979.38s
Diferență—-0.7+0.40.0+1-1+47010+268967+$0.820+8108ms

Acoperirea benchmark diferă: 69/69 încercări (Țintă: 3 repetări per test) față de 66/66 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 $0.500 / 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 4.6highvsMuse EmbermediumGrok 4.6highvsMuse Spark 1.3lowGrok 4.6highvsParticle-1mediumGrok 4.6highvsClaude Sonnet 5mediumGrok 4.6highvsQwen3.8 Max (0902)lowGrok 4.6highvsQwen3.7 MaxmediumGrok 4.6highvsClaude Haiku 5.5lowGrok 4.6highvsClaude Haiku 5.5maxGrok 4.6highvsClaude Sonnet 5.5highGrok 4.6highvsNemotron 3.5 Super VLhighDisponibil gratuit

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 5.0 10.0
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 10.0
Inteligență generală 10.0 10.0
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