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
2,914ms
n=1
Baz alınan 121 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 4.6 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.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0