xAI · pașaport de model
Grok 4 1 Fast Non Reasoning
grok-4-1-fast-non-reasoning- Cea mai bună percentilă
- 89.0BFCL v4 (apelare de funcții)
- Poziția după scorul compus
- 48.1contractat · 4/27 axe
Ce spun datele
Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai puternice axe
- 89 pct — BFCL v4 (apelare de funcții) (58.3%)
Cele mai slabe axe
- 11.4 pct — Halucinații HHEM (Vectara) (82.2%)
Neuniform: 77,6 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 89 pct pe BFCL v4 (apelare de funcții) față de 11.4 pct pe Halucinații HHEM (Vectara).
- BFCL v4 (apelare de funcții)Clasament inactiv89 pct58.3%Verifică →
- SimpleBench62.1 pct56.0%Verifică →
- LiveBench24.1 pct38.3%Verifică →
- Halucinații HHEM (Vectara)11.4 pct82.2%Verifică →
- GeneralNeevaluat
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
- ProgramareNeevaluat
- Urmarea instrucțiunilorNeevaluat
- Prompturi dificileNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
grok-4-1-fast-non-reasoning stands at 48.1 (raw mean 46.6) — measured on 4 of 27 axes.
grok-4-1-fast-non-reasoning scores in the 89th percentile on BFCL v4 (apelare de funcții).
grok-4-1-fast-non-reasoning scores at percentile 11.4 on Halucinații HHEM (Vectara).
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →