Grok 4 (Non-Reasoning)
Grok 4 (Non-Reasoning) ist die Standard-Variante der Grok-4-Generation von xAI ohne aktives Chain-of-Thought, ausgelegt auf schnelle direkte Antworten. Das Modell arbeitet mit einem Kontextfenster von einer Million Tokens, ist ausschliesslich über die xAI-API verfügbar und richtet sich an Konversations-und Textaufgaben ohne explizite Reasoning-Schritte.
- Proprietär
- Frontier
- API
- Text
- Real-Time
Sovereign Risk: MEDIUM xAI ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act. Da die Gewichte proprietär sind, besteht kein Risiko durch die Verteilung der Gewichte selbst.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 72.48
- Routine
- 44.46
- Reasoning
- 28.01
- LLM Judge Avg
- 3.64 / 5
- 100 Coverage
- Avg Task Duration
- 4.69s
- Real-Time
- Token Rate
- 185.59tok/s
- Output Rate
- P95 Latency
- 10.35s
- Top 5 %
- Total Tokens
- 50800
- Output Volume
- Cost per 1K
- $0.0025
- USD / 1K Requests
- Benchmark Cost
- $0.13
- Total · 50800 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Grok 4 (Non-Reasoning)
Bestes Modell
Ø Alle Modelle
Code Quality
77.76
CLI Benchmark
88.33
Logical Reasoning
71.25
UX Writing
69.83
Documentation
65.54
Content Transform.
74.94
Cultural Intelligence
67.6
Synthesis Quality
33.33
Tool Execution
79.17
ToolUse Score
54.96
Benchmark Cost
$0.13
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.