%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)
Grok 3 Mini Reasoning (high)
Grok 3 Mini Reasoning (high)
Grok 3 MiniはxAIのGrok 3 AIモデルの簡易版で、実用性を維持しながらより速い応答時間を実現することを目的としています。これは、Grok 3の完全版が持つ総合的な機能よりも速度が必要なユーザー向けに設計されており、迅速な情報検索が重要なタスクに適しています。Grok 3 Miniは依然としてGrok 3を構築する際の高度なトレーニングとデータを利用していますが、日常使用に適した、より軽量で効率的なバージョンを提供しています。
インテリジェンス(比較的強い)
速度(比較的遅い)
入力サポートモダリティ
はい
推論モデルかどうか
1,000,000
コンテキストウィンドウ
8,000
最大出力トークン
2024-11-17
知識カットオフ
価格設定
￥2.16 /M tokens
入力
￥3.6 /M tokens
出力
￥2.52 /M tokens
混合価格
クイック簡易比較
Grok 3 Reasoning Beta
￥3
Grok 3 mini Reasoning (high)
￥0.3
Grok 3 mini Reasoning (Low)
￥0.3
基本パラメータ
GPT-4.1技術パラメータ
パラメータ数
未発表
コンテキスト長
1.0M tokens
トレーニングデータカットオフ
2024-11-17
オープンソースカテゴリ
Proprietary
マルチモーダルサポート
テキスト、画像
スループット
100
リリース日
2025-02-19
応答速度
56.6,852 tokens/s
ベンチマークスコア
以下はclaude-monetの様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
6667
大規模言語モデルインテリジェンスレベル
コーディング指数
5513
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
-
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
82.8
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
79.1
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
11.1
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
69.6
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
40.6
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
97.8
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
99.2
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
93.3
高難度の数学競技問題（特にAIMEレベル）を解決するAIモデルの能力を測定する指標
おすすめAIモデル
Gemini 1.0 Pro
google
￥3.6
入力トークン/百万
￥10.8
出力トークン/百万
33k
コンテキスト長
GPT 4
openai
￥216
入力トークン/百万
￥432
出力トークン/百万
8192
コンテキスト長
Qwen2.5 Coder Instruct 32B
alibaba
￥0.65
入力トークン/百万
￥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
google
￥0.58
入力トークン/百万
￥2.16
出力トークン/百万
1M
コンテキスト長
Gemini 1.5 Pro (May '24)
google
￥18
入力トークン/百万
￥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta
￥0.43
入力トークン/百万
￥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google
￥0.72
入力トークン/百万
￥5.04
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai
￥108
入力トークン/百万
￥432
出力トークン/百万
128k
コンテキスト長