Grok Build 0.1:知能、パフォーマンス、価格分析
Grok Build 0.1: Intelligence, Performance and Price Analysis (artificialanalysis.ai)
要約
Grok Build 0.1 0616は、Artificial Analysisの評価によると、そのクラスのモデルの中で「知能」が非常に高く(Intelligence Index 40)、価格も競争力があります(入力トークン1Mあたり1.00ドル、出力トークン1Mあたり2.00ドル)。平均より高速な処理能力を持つ一方で、非常に冗長な出力が特徴です。このモデルはテキストと画像の入力をサポートし、テキストを出力し、256kトークンのコンテキストウィンドウを備えています。
全文翻訳
Grok Build 0.1 0616 知能、パフォーマンス、価格の分析
知能
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含みます。
公開されているAPIはありません。
推定値(独立した評価は近日公開予定)
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 には、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 が含まれます。各評価の詳細と実行方法については、Intelligence Index methodology を参照してください。
Artificial Analysis Intelligence Index by Open Weights / Proprietary
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含みます。
公開されているAPIはありません。
推定値(独立した評価は近日公開予定)
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 には、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 が含まれます。各評価の詳細と実行方法については、Intelligence Index methodology を参照してください。
Open Weights
モデルのウェイトが利用可能かどうかを示します。商用利用が条件付きで制限されている場合は「Commercial Use Restricted」、ライセンスで商用利用が禁止されている場合は「Non-commercial」とラベル付けされます。
Intelligence Index vs. Cost per Task
Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト(USD)
最も魅力的な象限
パレート線
Cost per Intelligence Index Task
Intelligence Index タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、Intelligence Index の重みで加重されます。
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 を含みます。各評価の詳細と実行方法については、Intelligence Index methodology を参照してください。
Evaluations
Artificial Analysis によって独立して測定された知能評価 · 高いほど良い
公開されているAPIはありません
エージェントによる知識作業、(Elo-500)/2000
エージェントによる実世界タスク、(Elo-500)/2000
専門文書の推論、全合格
コーディング
物理学の推論
ターミナルでのエージェントによる科学研究ワークフロー
オープンソースリポジトリでのエージェントによるソフトウェアエンジニアリング
法的エージェント作業、幻覚抑制全合格率
エージェントによるインタラクティブ3D体験、(Elo-500)/2000
医療分野の長文コンテキスト推論
Intelligence Evaluation Relevance
モデルの知能は一般的にユースケース間で転移しますが、特定の評価は特定のユースケースにより関連性が高い場合があります。
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 を含みます。各評価の詳細と実行方法については、Intelligence Index methodology を参照してください。
AA-Omniscience
AA-Omniscience Index
AA-Omniscience Index(高いほど良い)は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答を拒否することによる罰はありません。スコアは-100から100の範囲で、0は正解と不正解が同数であることを意味し、負のスコアは不正解の方が多いことを意味します。
公開されているAPIはありません
AA-Omniscience Index
AA-Omniscience Index(高いほど良い)は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答を拒否することによる罰はありません。スコアは-100から100の範囲で、0は正解と不正解が同数であることを意味し、負のスコアは不正解の方が多いことを意味します。
AA-PersonalityBenchNew
Grok Build 0.1 0616 の AA-PersonalityBench 結果は利用できません。
Intelligence Index Comparisons
Intelligence Index vs. Cost per Task
Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト(USD)
最も魅力的な象限
パレート線
Cost per Intelligence Index Task
Intelligence Index タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、Intelligence Index の重みで加重されます。
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 を含みます。各評価の詳細と実行方法については、Intelligence Index methodology を参照してください。
Cost
Cost per Intelligence Index Task
Intelligence Index タスクあたりの加重平均コスト(USD) · トークンタイプ別 · 低いほど良い
Cost per Intelligence Index Task
Intelligence Index タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、Intelligence Index の重みで加重されます。
Cost to Run Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index の全評価を実行するためのコスト(USD)
Cost to Run Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index の評価を実行するためのコスト。モデルの入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格と、評価全体で使用されるトークン数(繰り返しを除く)を使用して計算されます。
Pricing: Cache Hit, Input, and Output
価格(USD/M Tokens)
Cache Hit
キャッシュされたプロンプト(以前に処理されたもの)のトークンあたりの価格。通常、通常の入力価格よりも大幅な割引が提供されます。ここではキャッシュヒット価格を示しています。キャッシュ書き込みとキャッシュストレージは別途請求され、プロバイダーによって異なります。詳細は「Cache pricing by provider」を参照してください。
Context Window
Context Window
コンテキストウィンドウ:トークン制限 · 高いほど良い
公開されているAPIはありません
Context Window for RAG
より大きなコンテキストウィンドウは、通常、大量のデータの推論と情報検索を伴う RAG(Retrieval Augmented Generation)LLM ワークフローに関連します。
Context Window
入力と出力トークンの合計の最大数。出力トークンは一般的に、モデルによって異なる大幅に低い制限があります。
Speed
出力速度(トークン/秒)で測定
Output Speed
出力トークン/秒 · 高いほど良い
Output Speed
モデルがトークンを生成している間に受信したトークン/秒(ストリーミングをサポートするモデルの場合、APIから最初のチャンクを受信した後)。
Model Performance Representation
数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが入手できない場合のプロバイダー間のメディアンを表します。
Time per Intelligence Index Task
Intelligence Index タスクあたりの加重平均デコード時間(分) · TTFTとオーバーヘッド時間は除く · 低いほど良い
Time per Intelligence Index Task
Artificial Analysis Intelligence Index タスクあたりの加重平均時間(秒)。これは、タスクあたりの出力トークンを、出力速度で割り、各ベンチマークのIntelligence Indexにおける相対的な重みで加重することによって計算されます。
Latency
初回応答時間(秒)で測定
Latency: Time To First Answer Token
最初の回答トークン受信までの秒数 · 推論モデルの「思考」時間を含む
Time to First Answer Token
APIリクエスト送信後、最初の回答トークンを受信するまでの時間(秒)。推論モデルの場合、これはモデルが回答を提供する前に「思考」に費やす時間を含みます。ストリーミングをサポートしないモデルの場合、これは完了を受信するまでの時間を表します。
End-to-End Response Time
500トークンを出力するまでの時間。初回応答時間、推論モデルの「思考」時間、および出力速度に基づいて計算されます。
End-to-End Response Time
500トークンを出力するまでの時間。推論モデルの「思考」時間を含む · 低いほど良い
End-to-End Response Time
500トークンの応答を受信するまでの時間。主な構成要素:
- 入力時間:最初の応答トークンを受信するまでの時間
- 思考時間(推論モデルのみ):推論モデルが回答を提供する前に推論に費やす時間。トークン数は、60個の多様なプロンプトセットにおける平均推論トーク数に基づきます(methodology details)。
- 回答時間:出力速度に基づき、500トークンを生成するまでの時間
Model Performance Representation
数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが入手できない場合のプロバイダー間のメディアンを表します。