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
—
Son 30 gün
100.0%
n=1
Medyan yanıt süresi
545ms
n=1
Baz alınan 109 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)
1
OK yanıtlar (30d)
1
Toplam çağrı (7d)
0
OK yanıtlar (7d)
0
Tokonomix kıyaslama kararları
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.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0