AI BENCHY 对比

Nemotron 3 Ultra 550b A55b vs xAI: Grok Build 0.1

摘要

Nemotron 3 Ultra 550b A55b vs Grok Build 0.1 benchmark 对比：Nemotron 3 Ultra 550b A55b 平均分领先，为 8.1 vs 4.2。 Nemotron 3 Ultra 550b A55b benchmark 成本更低，为 $0.158 vs $0.547。 Nemotron 3 Ultra 550b A55b 更快，为 15.05s vs 28.69s，通过率为 69.8% vs 46.0%。

推荐模型: Nemotron 3 Ultra 550b A55b - 它在这里得分最高（8.1），同时成本比Grok Build 0.1低约 3.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用	Grok Build 0.1 Grok Build 0.1 none 发布日期: 2026-05-21

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用	Grok Build 0.1 Grok Build 0.1 none 发布日期: 2026-05-21
分数	8.1	4.2
排名	#26	#165
可靠性	9.7	10.0
一致性	8.8	7.5
测试正确
尝试通过率	69.8%	46.0%
不稳定测试	3	4
总运行次数	63	57
每个结果成本	0.000	7.805
总成本	$0.158	$0.547
输入价格	$0.500 / 1M	$1.000 / 1M
输出价格	$2.200 / 1M	$2.000 / 1M
总输入令牌	46,813	11,793
输出令牌	18,002	267,275
推理令牌	53,091	0
响应时间（平均）	15.05s	28.69s
响应时间（最大）	43.93s	138.35s
响应时间（总计）	316.09s	459.00s

生成展示

Hamster playing table tennis

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

#26 Nemotron 3 Ultra 550b A55b

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#165 xAI: Grok Build 0.1

none

此模型尚未生成任何展示结果。

成本: $0.000
时间: -
令牌: 0 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		8.62s	780	835	1,485
Grok Build 0.1	8.7	7.9	91.7%	1		6.30s	2,010	11,162	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	8.4	7.4	88.9%	1		26.53s	7,686	2,854	17,725
Grok Build 0.1	3.3	3.3	33.3%	0		21.41s	1,080	16,568	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		43.93s	17,574	1,040	3,590
Grok Build 0.1	3.0	10.0	0.0%	0		0ms	0	0	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		5.68s	7,989	473	1,285
Grok Build 0.1	3.8	5.8	33.3%	1		9.33s	2,532	6,359	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	3.5	4.4	33.3%	2		24.90s	858	11,169	16,249
Grok Build 0.1	3.6	7.2	22.2%	1		103.71s	1,764	179,469	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	3.7	9.5	0.0%	0		2.52s	360	70	235
Grok Build 0.1	4.3	10.0	0.0%	0		12.47s	825	6,647	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		6.35s	765	182	1,243
Grok Build 0.1	9.8	10.0	100.0%	0		7.36s	1,362	8,970	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	5.5	9.9	33.3%	0		3.54s	792	771	2,055
Grok Build 0.1	6.4	7.7	55.6%	1		9.55s	1,689	14,982	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		7.72s	9,781	304	984
Grok Build 0.1	3.0	10.0	0.0%	0		0ms	0	0	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	3.0	10.0	0.0%	0		38.47s	228	304	8,240
Grok Build 0.1	3.0	10.0	0.0%	0		36.09s	531	23,118	0

快速对比

切换对比组合