Grok 3 Mini Reasoning (Low)
Grok 3 Mini Reasoning (Low)
Grok 3 Mini是xAI Grok 3 AI模型的简化版本，旨在在保持实用性的同时实现更快的响应时间。它专为需要速度超过Grok 3完整模型综合功能的用户量身定制，使其适用于快速信息检索是关键的任务。Grok 3 Mini仍然利用了Grok 3构建时的高级训练和数据，但为日常使用提供了更轻、更高效的版本。
智力(弱)
速度(中等)
输入支持模态
是
是否推理模型
1,000,000
上下文窗口
8,000
最大输出令牌数
2024-11-17
知识截止
定价
￥2.16 /M tokens
输入
￥3.6 /M tokens
输出
￥2.52 /M tokens
混合价格
快速简易对比
Grok 3 Reasoning Beta
￥3
Grok 3 mini Reasoning (Low)
￥0.3
Grok 3 mini Reasoning (high)
￥0.3
基础参数
GPT-4.1的技术参数
参数数量
未公布
上下文长度
1.0M tokens
训练数据截止
2024-11-17
开源分类
Proprietary
多模态支持
文本、图像
吞吐量
100
发布日期
2025-02-19
响应速度
130.31,761 tokens/s
基准测试得分
以下是claude-monet在各种标准基准测试中的表现。这些测试评估了模型在不同任务和领域的能力。
智能指数
-
大语言模型智能水平
编码指数
-
AI模型在编码任务上的能力表现的指标
数学指数
-
解决数学问题、数学推理或执行与数学相关的任务方面的能力指标
MMLU Pro
-
海量多任务多模式理解-测试对文本、图像、音频和视频的理解
GPQA
84.6
研究生物理问题评估-用钻石科学级别的问题测试高级物理知识
HLE
-
模型在 Hugging Face Open LLM Leaderboard 上的综合平均得分
LiveCodeBench
80
特定的、专注于评估大型语言模型在真实世界代码编写和解决编程竞赛问题能力评分
SciCode
-
模型在科学计算或特定科学领域的代码生成方面的能力
HumanEval
-
AI模型在 HumanEval 这个特定的基准测试集上取得的成绩
Math 500 评分
-
前500道更大型、更知名的数学基准测试评分
AIME 评分
90.3
一个衡量AI模型在解决高难度数学竞赛问题（特指AIME级别）方面能力的指标
精选推荐AI模型
Gemini 2.0 Flash Lite (Preview)
google
￥0.58
输入tokens/百万
￥2.16
输出tokens/百万
1M
上下文长度
Gemini 1.0 Pro
google
￥3.6
输入tokens/百万
￥10.8
输出tokens/百万
33k
上下文长度
Qwen2.5 Coder Instruct 32B
alibaba
￥0.65
输入tokens/百万
￥0.65
输出tokens/百万
131k
上下文长度
Deepseek R1
deepseek
￥3.96
输入tokens/百万
￥15.77
输出tokens/百万
128k
上下文长度
Gemini 2.0 Flash (experimental)
google
￥0.72
输入tokens/百万
￥5.04
输出tokens/百万
1M
上下文长度
Gemini 2.0 Pro Experimental (Feb '25)
google
-
输入tokens/百万
-
输出tokens/百万
2M
上下文长度
Llama 3.2 Instruct 11B (Vision)
meta
￥0.43
输入tokens/百万
￥0.43
输出tokens/百万
128k
上下文长度
O1 Preview
openai
￥108
输入tokens/百万
￥432
输出tokens/百万
128k
上下文长度
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
智启未来，您的人工智能解决方案智库
简体中文