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
2,670ms
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 Build 0.1 Debuts with Strong Performance Across Key Benchmarks
Grok Build 0.1 establishes a solid baseline performance profile in its first benchmark evaluation. The model demonstrates particularly strong capabilities in mathematical reasoning, achieving 76.0% on GSM8K and 53.0% on MATH, placing it competitively among frontier models. Coding performance is respectable with 73.3% on HumanEval and 74.0% on MBPP, indicating solid programming assistance capabilities. Multimodal performance is notable, scoring 71.2% on MMMU and 66.4% on MathVista, showing capable vision-language integration. General knowledge benchmarks show room for improvement, with 74.7% on MMLU and 67.3% on ARC Challenge representing moderate performance in broad knowledge tasks. The model now includes JSON structured output support, tool calling capabilities, and vision processing, providing developers with a comprehensive feature set. Instruction following achieves 81.3% on IFEval, suggesting reliable adherence to user directives. As a first release, Grok Build 0.1 presents a capable foundation with particularly strong mathematical and multimodal abilities, though general knowledge tasks may benefit from future refinement.
Calidad
—
Latencia p50
—
Ejecuciones de test
0