#46 xAI: Grok Build 0.1
medium- Cost
- $0.028
- Timp
- 81.3s
- Tokenuri
- 14,009 tok
Rezumat
Grok Build 0.1 obține 7.6 pe AI BENCHY și este pe #46. Are fiabilitate 10.0, rată de reușită 70.0%, cost total $0.633 și timp mediu de răspuns 26.36s.
Ce face Grok Build 0.1 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #3, iar Programare este zona cea mai slabă, la #16. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
7.6
Consistență
8.5
10.0
$0.633
Total tokenuri de ieșire
295,603
Total tokenuri de intrare
0
Preț de intrare
$1.000 / 1M
Preț de ieșire
$2.000 / 1M
Teste instabile
4
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 14:22 Test nou adăugat | 7.4 | 10.0 | $0.927 | Compară | |
| 2026-05-26 13:30 Retestare | 7.7 | 10.0 | $0.729 | Compară | |
| 2026-05-22 00:36 Suită modificată | 7.6 | 10.0 | $0.633 | Rularea curentă |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:36 · Suită modificată | 7.6 | 8.5 | 10.0 | 12/20 | 4 | 295,603 | 0 | $0.633 | 26.36s |
| 2026-05-26 13:30 · Retestare | 7.7 | 9.9 | 10.0 | 13/20 | 0 | 343,639 | 0 | $0.729 | 42.39s |
| Diferență | -0.1 | -1.4 | 0.0 | -1 | +4 | -48036 | 0 | -$0.097 | -16029ms |
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
Grok Build 0.1mediumvsMiniMax M3mediumGrok Build 0.1mediumvsStep 3.7 FlashlowGrok Build 0.1mediumvsKimi K2.5mediumGrok Build 0.1mediumvsClaude Opus 4.6mediumGrok Build 0.1mediumvsMercury 2mediumGrok Build 0.1mediumvsGemini 3.5 FlashhighGrok Build 0.1mediumvsGemini 3 Flash PreviewmediumGrok Build 0.1mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGrok Build 0.1mediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 5.3 | 2.9 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 3.8 | 2.5 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 6.2 | 7.5 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |