Análisis de velocidad
Latencia medida en todas las ejecuciones de benchmark. P50 (mediana) y P95 (percentil 95) dan una imagen realista de la velocidad de respuesta bajo carga normal y máxima.
Precios
Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.
Tokens por segundo
Rendimiento en tokens por segundo, derivado de la latencia P50 medida. Más alto es mejor; las fluctuaciones reflejan la carga del lado del proveedor.
Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.
Capacidades
Disponibilidad
Disponibilidad
Con qué frecuencia responde este modelo cuando lo llamamos — medido en solicitudes reales de API y pruebas en vivo durante los últimos 30 días. Esto es independiente de la calidad: estos números solo indican si el modelo responde, no qué tan buena es la respuesta.
Últimos 7 días
—
Últimos 30 días
100.0%
n=1
Tiempo de respuesta mediano
545ms
n=1
Basado en 118 mediciones en los últimos 30 días.
Detalles técnicos
Solo cuentan las llamadas reales a la API y las solicitudes de prueba en vivo — las sondas internas y las ejecuciones de referencia están excluidas.
Las llamadas con una clave API propia (BYOK) están excluidas: esos fallos son específicos de la clave, no una señal de inactividad del modelo.
Las llamadas fallidas NO se incluyen en las puntuaciones de calidad — la calidad se mide solo en respuestas exitosas. Disponibilidad y calidad son señales independientes.
Tiempo de respuesta mediano (p50) en llamadas exitosas con una duración registrada. Los valores atípicos afectan menos a la mediana que a la media.
Total de llamadas (30d)
1
Respuestas OK (30d)
1
Total de llamadas (7d)
0
Respuestas OK (7d)
0
Veredictos del benchmark Tokonomix
Grok 4.5 debuts with strong performance across reasoning and coding tasks
Grok 4.5 enters the benchmark as xAI's latest flagship model, establishing a solid baseline across diverse evaluation categories. The model demonstrates particularly strong performance in mathematical reasoning, achieving 88.3% on MATH-500 and ranking competitively on AIME 2024. Coding capabilities are robust with 86.8% on HumanEval and 90.8% on a private coding evaluation. General knowledge and instruction following show respectable scores of 88.6% on MMLU-Pro and 79.4% on IFEval respectively. The model supports multimodal capabilities including vision, structured JSON output, tool use, and an extended 128K context window. Performance on vision tasks is moderate at 72.7% on MMMU, suggesting room for improvement in multimodal reasoning. Graduate-level science reasoning scores 61.6% on GPQA Diamond, placing it in the middle tier for this challenging benchmark. The model also includes reasoning-specific capabilities, though no dedicated reasoning benchmarks are provided in this window. As a first entry, Grok 4.5 establishes itself as a well-rounded model with particular strengths in mathematics and coding, while leaving opportunities for growth in vision understanding and advanced reasoning tasks.
Calidad
—
Latencia p50
—
Ejecuciones de test
0