Hız analizi
Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.
Fiyatlar
Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.
Saniye başına token
Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.
P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.
Yetenekler
Kullanılabilirlik
Kullanılabilirlik
Bu modelin çağrıldığında ne sıklıkla yanıt verdiği — son 30 gün içindeki gerçek API istekleri ve canlı testler üzerinden ölçülmüştür. Bu kaliteden bağımsızdır: bu sayılar yalnızca modelin yanıt verip vermediğini gösterir, yanıtın ne kadar iyi olduğunu değil.
Son 7 gün
100.0%
n=2
Son 30 gün
100.0%
n=3
Medyan yanıt süresi
11,644ms
n=3
Baz alınan 120 ölçüm son 30 gün içinde.
Teknik detaylar
Yalnızca gerçek API çağrıları ve canlı test istekleri sayılır — dahili yoklamalar ve kıyaslama çalıştırmaları hariçtir.
Özel API anahtarıyla (BYOK) yapılan çağrılar hariçtir: bu hatalar anahtara özgüdür, model kesintisinin işareti değildir.
Başarısız çağrılar kalite puanlarına DAHİL EDİLMEZ — kalite yalnızca başarılı yanıtlar üzerinden ölçülür. Kullanılabilirlik ve kalite bağımsız sinyallerdir.
Kaydedilmiş süreye sahip başarılı çağrılarda medyan yanıt süresi (p50). Aykırı değerler medyanı ortalamadan daha az etkiler.
Toplam çağrı (30d)
3
OK yanıtlar (30d)
3
Toplam çağrı (7d)
2
OK yanıtlar (7d)
2
Tokonomix kıyaslama kararları
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.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0