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
2,914ms
n=1
Basado en 109 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 4.6 debuts with strong performance across core benchmarks
Grok 4.6 enters the benchmark landscape as xAI's first evaluated model in this tracking window, establishing baseline performance metrics across multiple domains. The model demonstrates particularly strong performance in mathematical reasoning, achieving 89.4% on MATH-500 and 93.8% on GSM8K, placing it competitively among frontier models. Coding capabilities are robust with 86.5% on HumanEval and 79.6% on LiveCodeBench, indicating solid software engineering capabilities. Academic knowledge shows strength at 88.6% on MMLU-Pro, though GPQA performance at 56.4% suggests room for improvement in graduate-level science questions. Multimodal capabilities are present with 74.3% on MMMU, establishing vision-language integration. The model supports JSON output, tool use, and reasoning modes, providing developers with flexible interaction patterns. With a 128K token context window, Grok 4.6 handles substantial documents and conversations. As a baseline entry, these metrics establish xAI's position in the competitive landscape, showing particular strength in mathematical and coding tasks while maintaining competent performance across general knowledge domains. Future benchmark windows will reveal how the model evolves relative to this initial showing.
Calidad
—
Latencia p50
—
Ejecuciones de test
0