Grok 4.6

מדד מורכב של מעריך עצמאי, המשקלל מגוון משימות לציון יכולת אחד.

• 61דווח על ידי Artificial Analysis

בנצ'מרק בבעלות Cursor, המודד עבודת עריכת קוד בתוך Cursor. אינו עצמאי כשמדובר במודלים ש-Cursor שותפה בפיתוחם.

• 70.8%דווח על ידי Cursorמדווח, לא עצמאיCursor פיתחה את המודל במשותף וגם מחזיקה בבנצ'מרק, ולכן זו עדות מדווחת ולא תוצאה עצמאית.
• 69.9%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיCursor פיתחה את המודל במשותף וגם מחזיקה בבנצ'מרק, ולכן זו עדות מדווחת ולא תוצאה עצמאית.

משימות הנדסת תוכנה מבוססות מאגרי קוד אמיתיים.

• 65.9%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

הגרסה המחמירה יותר של Terminal-Bench, שבה כל המודלים עדיין מתקשים.

• 26%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

משימות קוד ברמת קושי גבוהה שנכללו בטבלת ההשקה של Grok 4.6.

• 61.3%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

מדד סוכנים שנכלל בטבלת ההשקה של Grok 4.6.

• 57.5%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

מדד המשקלל ערך כלכלי של משימות, לא רק אחוז הצלחה.

• 1,753דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

משימות הנדסה ארוכות־טווח הבודקות עמידות לאורך זמן.

• 31.9%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

מדד הנדסת חשמל מתוך כרטיס המודל של Grok 4.6.

• 60דווח על ידי SpaceXAI model cardמדווח, לא עצמאי

מדד יצירת CAD מתוך כרטיס המודל של Grok 4.6.

• 40.9דווח על ידי SpaceXAI model cardמדווח, לא עצמאי