Analyse de vitesse
Latence mesurée sur toutes les exécutions de benchmark. P50 (médiane) et P95 (95e percentile) donnent une image réaliste de la vitesse de réponse en charge normale et de pointe.
Tarifs
Ce que vous payez par million de tokens en utilisant ce modèle sur Tokonomix, avec une estimation pour une conversation type.
Tokens par seconde
Débit en tokens par seconde, dérivé de la latence P50 mesurée. Plus haut est mieux ; les fluctuations reflètent la charge côté fournisseur.
Estimé à partir de la latence P50 × 200 tokens de sortie — le chiffre absolu dépend de cette hypothèse ; c'est la tendance qui compte.
Capacités
Disponibilité
Disponibilité
La fréquence à laquelle ce modèle répond lorsqu'on l'appelle — mesurée sur de vraies requêtes API et des tests en direct au cours des 30 derniers jours. C'est indépendant de la qualité : ces chiffres indiquent seulement si le modèle répond, pas la qualité de sa réponse.
7 derniers jours
100.0%
n=1
30 derniers jours
100.0%
n=2
Temps de réponse médian
15,356ms
n=2
Basé sur 110 mesures au cours des 30 derniers jours.
Détails techniques
Seuls les vrais appels API et les requêtes de test en direct sont comptés — les sondes internes et les benchmarks sont exclus.
Les appels avec une clé API personnalisée (BYOK) sont exclus : ces échecs sont spécifiques à la clé, pas un signe de défaillance du modèle.
Les appels échoués ne sont PAS inclus dans les scores de qualité — la qualité est mesurée uniquement sur les réponses réussies. Disponibilité et qualité sont des signaux indépendants.
Temps de réponse médian (p50) sur les appels réussis avec une durée enregistrée. Les valeurs extrêmes influencent moins la médiane que la moyenne.
Total des appels (30d)
2
Réponses OK (30d)
2
Total des appels (7d)
1
Réponses OK (7d)
1
Verdicts benchmark Tokonomix
Grok 4.3 debuts with strong multimodal performance across benchmarks
Grok 4.3 enters the benchmark landscape as a competitive multimodal model with solid performance across core evaluation suites. The model achieves 87.8% on MMLU, placing it in the upper tier of current language models, alongside 88.3% on MMLU Pro and 78.6% on GPQA Diamond, demonstrating strong reasoning capabilities. Mathematical performance is robust with 91.6% on MATH-500 and 90.1% on GSM8K, while coding abilities show well with 89.7% on HumanEval and 84.5% on LiveCodeBench. Vision capabilities debut at 78.9% on MMMU, indicating competent multimodal understanding. Context handling extends to 128K tokens with function calling support, making it suitable for complex applications. The model shows balanced performance without obvious weaknesses in core domains. As a first-generation baseline, Grok 4.3 establishes itself as a capable general-purpose model with particular strength in mathematical reasoning and coding tasks. Users should find it well-suited for applications requiring both text and vision processing, though performance in specialized domains will need evaluation in real-world scenarios.
Qualité
—
Latence p50
—
Exécutions de test
0