#46 xAI: Grok Build 0.1
medium- لاگت
- $0.028
- وقت
- 81.3s
- ٹوکنز
- 14,009 tok
X AI
اجرا: 2026-05-21
ٹیسٹ کیا گیا: 2026-05-22 00:36
x-ai/grok-build-0.1::medium
~300B کل (~30B فعال)MoEبند ماخذتخمینہ
(medium)
(none)
خلاصہ
Grok Build 0.1 AI BENCHY پر 7.6 اسکور کرتا ہے اور #46 پر ہے۔ اس کی reliability 10.0، pass rate 70.0%، کل لاگت $0.633، اور اوسط response time 26.36s ہے۔
Grok Build 0.1 کو منفرد کیا بناتا ہے: یہ ڈومین مخصوص میں سب سے نمایاں ہے، جہاں اس کا rank #4 ہے؛ جبکہ کوڈنگ اس کا کمزور ترین حصہ ہے، rank #18.
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- ~300B کل (~30B فعال)
- ساخت
- MoE
- دستیابی
- بند ماخذ
- لائسنس
- -
عوامی شواہد کی بنیاد پر بہترین تخمینہ؛ فراہم کنندہ نے تمام اقدار ظاہر نہیں کیں۔
7.6
تسلسل
8.5
10.0
$0.633
کل آؤٹ پٹ ٹوکنز
295,603
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$1.000 / 1M
آؤٹ پٹ قیمت
$2.000 / 1M
غیر مستحکم ٹیسٹ
4
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 02:58 دوبارہ ٹیسٹ | 7.5 | 10.0 | $1.130 | موازنہ کریں | |
| 2026-07-16 23:10 نیا ٹیسٹ شامل ہوا | 7.6 | 10.0 | $1.097 | موازنہ کریں | |
| 2026-06-04 14:22 نیا ٹیسٹ شامل ہوا | 7.4 | 10.0 | $0.927 | موازنہ کریں | |
| 2026-05-26 13:30 دوبارہ ٹیسٹ | 7.7 | 10.0 | $0.729 | موازنہ کریں | |
| 2026-05-22 00:36 سوٹ بدل گیا | 7.6 | 10.0 | $0.633 | موجودہ رن |
اس رن میں مختلف بینچ مارک سوٹ استعمال ہوا تھا۔ تاریخی تبدیلی سمجھتے وقت سوٹ کی تبدیلی کو بھی ذہن میں رکھیں۔
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:36 · سوٹ بدل گیا | 60/60 کوششیں | 7.6 | 8.5 | 10.0 | 12/20 | 4 | 295,603 | 0 | $0.633 | 26.36s |
| 2026-07-16 23:10 · نیا ٹیسٹ شامل ہوا | 66/66 کوششیں | 7.6 | 10.0 | 10.0 | 14/22 | 0 | 494,663 | 106,751 | $1.097 | 52.06s |
| فرق | — | 0.0 | -1.5 | 0.0 | -2 | +4 | -199060 | -106751 | -$0.464 | -25698ms |
بینچ مارک کوریج مختلف ہے: 60/60 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 66/66 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
Grok Build 0.1mediumvsGPT-5.4 MinimediumGrok Build 0.1mediumvsGemini 3.1 Flash Lite PreviewmediumGrok Build 0.1mediumvsQwen3.5-27BmediumGrok Build 0.1mediumvsQwen3.7 MaxnoneGrok Build 0.1mediumvsQwen3.5 Plus 2026-02-15mediumGrok Build 0.1mediumvsKimi K2.7 CodemediumGrok Build 0.1mediumvsGPT 5.3 ChatnoneGrok Build 0.1mediumvsGPT-5.6 LunamediumGrok Build 0.1mediumvsMiniMax M3mediumGrok Build 0.1mediumvsLongCat 2.0medium
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 10.0 | 10.0 | |
| کوڈنگ | 5.3 | 2.9 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 10.0 | 10.0 | |
| ڈومین مخصوص | 5.3 | 10.0 | |
| عمومی ذہانت | 3.8 | 2.5 | |
| ہدایات کی پیروی | 9.8 | 10.0 | |
| پہیلی حل کرنا | 6.2 | 7.5 | |
| ٹول کالنگ | 10.0 | 10.0 | |
| معلومات عامہ | 3.0 | 10.0 |