xai

Grok-3

Grok-3 adalah model reasoning flagship dari xAI, yang menghadirkan deduksi logika mendalam, context window 128k, dan integrasi real-time dengan X untuk riset.

xai logoxaiGrokFebruary 17, 2025
Konteks
128Ktoken
Output maks.
8Ktoken
Harga input
$3.00/ 1M
Harga output
$15.00/ 1M
Modalitas:TextImage
Kemampuan:VisiAlatStreamingPenalaran
Benchmarks
GPQA
84.6%
GPQA: Tanya Jawab Sains Tingkat Doktoral. Benchmark ketat dengan 448 pertanyaan pilihan ganda dalam biologi, fisika, dan kimia yang dibuat oleh pakar domain. Para ahli PhD hanya mencapai akurasi 65-74%, sementara non-ahli hanya mendapat 34% bahkan dengan akses web tak terbatas (sehingga disebut 'tahan Google'). Grok-3 meraih skor 84.6% pada benchmark ini.
HLE
36%
HLE: Penalaran Keahlian Tingkat Tinggi. Menguji kemampuan model untuk mendemonstrasikan penalaran tingkat ahli di domain khusus. Mengevaluasi pemahaman mendalam tentang topik kompleks yang membutuhkan pengetahuan tingkat profesional. Grok-3 meraih skor 36% pada benchmark ini.
MMLU
87.5%
MMLU: Pemahaman Bahasa Multitugas Masif. Benchmark komprehensif dengan 16.000 pertanyaan pilihan ganda meliputi 57 mata pelajaran akademik termasuk matematika, filsafat, hukum, dan kedokteran. Menguji pengetahuan luas dan kemampuan penalaran. Grok-3 meraih skor 87.5% pada benchmark ini.
MMLU Pro
76.5%
MMLU Pro: MMLU Edisi Profesional. Versi MMLU yang ditingkatkan dengan 12.032 pertanyaan menggunakan format 10 pilihan yang lebih sulit. Mencakup Matematika, Fisika, Kimia, Hukum, Teknik, Ekonomi, Kesehatan, Psikologi, Bisnis, Biologi, Filsafat, dan Ilmu Komputer. Grok-3 meraih skor 76.5% pada benchmark ini.
SimpleQA
42%
SimpleQA: Benchmark Akurasi Faktual. Menguji kemampuan model untuk memberikan respons yang akurat dan faktual terhadap pertanyaan langsung. Mengukur keandalan dan mengurangi halusinasi dalam tugas pengambilan pengetahuan. Grok-3 meraih skor 42% pada benchmark ini.
IFEval
91.2%
IFEval: Evaluasi Kepatuhan Instruksi. Mengukur seberapa baik model mengikuti instruksi dan batasan tertentu. Menguji kemampuan untuk mematuhi aturan format, batas panjang, dan persyaratan eksplisit lainnya. Grok-3 meraih skor 91.2% pada benchmark ini.
AIME 2025
93.3%
AIME 2025: Ujian Matematika Undangan Amerika. Soal matematika tingkat kompetisi dari ujian AIME bergengsi yang dirancang untuk siswa SMA berbakat. Menguji pemecahan masalah matematika tingkat lanjut yang membutuhkan penalaran abstrak, bukan sekadar pencocokan pola. Grok-3 meraih skor 93.3% pada benchmark ini.
MATH
94.4%
MATH: Pemecahan Masalah Matematika. Benchmark matematika komprehensif yang menguji pemecahan masalah dalam aljabar, geometri, kalkulus, dan domain matematika lainnya. Membutuhkan penalaran multi-langkah dan pengetahuan matematika formal. Grok-3 meraih skor 94.4% pada benchmark ini.
GSM8k
98.7%
GSM8k: Matematika SD 8K. 8.500 soal cerita matematika tingkat SD yang membutuhkan penalaran multi-langkah. Menguji aritmatika dasar dan pemikiran logis melalui skenario dunia nyata seperti belanja atau perhitungan waktu. Grok-3 meraih skor 98.7% pada benchmark ini.
MGSM
92.4%
MGSM: Matematika SD Multibahasa. Benchmark GSM8k yang diterjemahkan ke 10 bahasa termasuk Spanyol, Prancis, Jerman, Rusia, Cina, dan Jepang. Menguji penalaran matematika dalam berbagai bahasa. Grok-3 meraih skor 92.4% pada benchmark ini.
MathVista
71.3%
MathVista: Penalaran Matematika Visual. Menguji kemampuan untuk menyelesaikan masalah matematika yang melibatkan elemen visual seperti grafik, diagram geometri, dan figur ilmiah. Menggabungkan pemahaman visual dengan penalaran matematika. Grok-3 meraih skor 71.3% pada benchmark ini.
SWE-Bench
49%
SWE-Bench: Benchmark Rekayasa Perangkat Lunak. Model AI mencoba menyelesaikan masalah GitHub nyata dalam proyek Python open-source dengan verifikasi manusia. Menguji keterampilan rekayasa perangkat lunak praktis pada codebase produksi. Model terbaik meningkat dari 4,4% di 2023 menjadi lebih dari 70% di 2024. Grok-3 meraih skor 49% pada benchmark ini.
HumanEval
94.5%
HumanEval: Masalah Pemrograman Python. 164 masalah pemrograman yang ditulis tangan di mana model harus menghasilkan implementasi fungsi Python yang benar. Setiap solusi diverifikasi dengan unit test. Model terbaik sekarang mencapai akurasi lebih dari 90%. Grok-3 meraih skor 94.5% pada benchmark ini.
LiveCodeBench
79.4%
LiveCodeBench: Benchmark Koding Langsung. Menguji kemampuan koding pada tantangan pemrograman dunia nyata yang terus diperbarui. Berbeda dengan benchmark statis, menggunakan masalah baru untuk mencegah kontaminasi data dan mengukur keterampilan koding yang sebenarnya. Grok-3 meraih skor 79.4% pada benchmark ini.
MMMU
78%
MMMU: Pemahaman Multimodal. Benchmark Pemahaman Multimodal Multi-disiplin Masif yang menguji model penglihatan-bahasa pada masalah tingkat universitas di 30 mata pelajaran yang membutuhkan pemahaman gambar dan pengetahuan ahli. Grok-3 meraih skor 78% pada benchmark ini.
MMMU Pro
58.5%
MMMU Pro: MMMU Edisi Profesional. Versi MMMU yang ditingkatkan dengan pertanyaan lebih sulit dan evaluasi lebih ketat. Menguji penalaran multimodal tingkat lanjut di tingkat profesional dan ahli. Grok-3 meraih skor 58.5% pada benchmark ini.
ChartQA
89.2%
ChartQA: Tanya Jawab Grafik. Menguji kemampuan untuk memahami dan bernalar tentang informasi yang disajikan dalam grafik dan diagram. Membutuhkan ekstraksi data, perbandingan nilai, dan melakukan perhitungan dari representasi visual data. Grok-3 meraih skor 89.2% pada benchmark ini.
DocVQA
92.4%
DocVQA: Tanya Jawab Visual Dokumen. Benchmark Tanya Jawab Visual Dokumen yang menguji kemampuan untuk mengekstrak dan bernalar tentang informasi dari gambar dokumen termasuk formulir, laporan, dan teks yang dipindai. Grok-3 meraih skor 92.4% pada benchmark ini.
Terminal-Bench
52%
Terminal-Bench: Tugas Terminal/CLI. Menguji kemampuan untuk melakukan operasi baris perintah, menulis skrip shell, dan menavigasi lingkungan terminal. Mengukur keterampilan administrasi sistem praktis dan alur kerja pengembangan. Grok-3 meraih skor 52% pada benchmark ini.
ARC-AGI
12.5%
ARC-AGI: Abstraksi dan Penalaran. Abstraction and Reasoning Corpus untuk AGI - menguji kecerdasan fluida melalui teka-teki pengenalan pola baru. Setiap tugas membutuhkan penemuan aturan yang mendasari dari contoh, mengukur kemampuan penalaran umum daripada menghafal. Grok-3 meraih skor 12.5% pada benchmark ini.

Tentang Grok-3

Pelajari tentang kemampuan, fitur, dan cara menggunakan Grok-3.

Reasoning dan Kecerdasan Frontier

Grok-3 mewakili lompatan monumental dalam kecerdasan buatan, yang dilatih pada klaster superkomputer Colossus milik xAI menggunakan lebih dari 100.000 GPU NVIDIA H100. Ia dirancang khusus untuk unggul dalam logika yang kompleks, deduksi matematis, dan rekayasa perangkat lunak tingkat tinggi. Berbeda dengan model tradisional yang memprioritaskan pembuatan respons cepat, Grok-3 menyertakan mode Deep Thinking khusus yang memanfaatkan compute test-time yang masif untuk memverifikasi langkah-langkah reasoning internalnya sendiri sebelum memberikan output final.

Integrasi Pengetahuan Real-Time

Pembeda utama Grok-3 adalah aksesnya yang tak tertandingi ke aliran data real-time platform X. Hal ini memungkinkan model untuk merangkum berita terkini, perubahan finansial, dan tren global dengan latency hanya dalam hitungan detik, sementara model lain bergantung pada batas waktu pengetahuan (knowledge cutoff) atau alat pencarian web yang lebih lambat. Kesadaran real-time ini, dipadukan dengan context window 128.000 token, menjadikannya alat penting bagi peneliti pasar dan data scientist yang membutuhkan wawasan terkini.

Kemampuan Multimodal dan Agentic

Selain teks dan logika, Grok-3 adalah model visi multimodal yang kuat yang mampu menginterpretasikan diagram teknis yang kompleks, cetak biru (blueprint), dan data visual dengan presisi tingkat frontier model. Ia mendukung function calling tingkat lanjut dan penggunaan alat, memungkinkannya bertindak sebagai mesin kognitif untuk agen otonom. Dengan skor 94,5% pada HumanEval, saat ini ia berdiri sebagai salah satu asisten coding paling mumpuni yang tersedia, menyaingi atau melampaui kompetitor dalam debugging otonom dan refactoring arsitektur.

Grok-3

Kasus Penggunaan untuk Grok-3

Temukan berbagai cara menggunakan Grok-3 untuk hasil yang luar biasa.

Rekayasa Perangkat Lunak Tingkat Lanjut

Menyelesaikan masalah arsitektur yang kompleks dan melakukan refactoring seluruh codebase dengan reasoning mendalam dan akurasi HumanEval sebesar 94,5%.

Intelijen Pasar Real-Time

Memanfaatkan data live dari X untuk merangkum berita keuangan terkini dan sentimen konsumen lebih cepat daripada mesin pencari tradisional.

Sintesis Data Ilmiah

Memproses ribuan halaman jurnal akademik dalam mode Deep Research untuk mengidentifikasi koneksi penelitian dan hipotesis baru.

Analisis Dokumen Multimodal

Menginterpretasikan diagram teknis yang kompleks, cetak biru (blueprint), dan grafik keuangan menggunakan kemampuan visi tingkat frontier model.

Bimbingan Belajar Tingkat Kompetisi

Menguraikan masalah matematika dan fisika tingkat Olimpiade yang kompleks menjadi langkah-langkah yang mudah dipahami dan terverifikasi menggunakan mode Think.

Otomatisasi Alur Kerja Agentic

Bertindak sebagai mesin inti untuk agen otonom yang membutuhkan function calling dan penggunaan alat yang presisi di lingkungan produksi.

Kelebihan

Keterbatasan

Reasoning Unggul: Mengungguli kompetitor utama dalam benchmark matematika kompleks seperti AIME 2025 (93,3%) dan MATH (94,4%).
Latency Tinggi dalam Mode Thinking: Prompt reasoning yang kompleks dapat memakan waktu lebih dari 60 detik untuk menghasilkan respons terverifikasi dalam mode Think.
Deep Research Terintegrasi: Memiliki kemampuan pencarian web unik yang merangkum data live dari X secara signifikan lebih cepat daripada pesaingnya.
Tanpa Video atau Audio Native: Tidak memiliki pemrosesan audio dan video multimodal real-time seperti yang ditemukan pada kompetitor seperti Gemini 2.0.
Performa Coding Elit: Mendapatkan skor 94,5% pada HumanEval, menjadikannya pilihan tingkat atas untuk pengembangan software otonom dan debugging.
Kuota Penggunaan Ketat: Batas pesan untuk pelanggan Premium+ saat ini lebih rendah daripada beberapa kompetitor yang sudah mapan selama jam sibuk.
Trace Pemikiran Transparan: Memungkinkan pengguna melihat logika model langkah demi langkah, meningkatkan kepercayaan dan mempermudah debugging kesalahan yang kompleks.
Masalah Stabilitas Beta: Pengguna sesekali mungkin menghadapi error server atau trace pemikiran yang terpotong selama periode trafik tinggi.

Mulai Cepat API

xai/grok-3

Lihat Dokumentasi
xai SDK
import OpenAI from "openai";

const xai = new OpenAI({
  apiKey: process.env.XAI_API_KEY,
  baseURL: "https://api.x.ai/v1"
});

const response = await xai.chat.completions.create({
  model: "grok-3",
  messages: [{ role: "user", content: "Analyze current X trends for AGI." }],
  stream: true
});

for await (const chunk of response) {
  process.stdout.write(chunk.choices[0]?.delta?.content || "");
}

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Grok-3

Lihat apa yang dipikirkan komunitas tentang Grok-3

"Deep research Grok-3 secara signifikan lebih cepat dan lebih akurat daripada versi OpenAI"
TechEnthusiast
x
"Performa coding-nya benar-benar gila; ia memperbaiki bug yang membuat saya terjebak selama berjam-jam dalam hitungan detik"
DevLife
reddit
"Grok-3 bisa dibilang adalah model reasoning paling mutakhir yang tersedia saat ini"
DataCamp
youtube
"Trace pemikirannya sangat mirip dengan DeepSeek tetapi kecepatannya berada di level yang berbeda"
AIResearcher
hackernews
"Kemampuan visi pada cetak biru teknis akhirnya dapat digunakan untuk pekerjaan rekayasa nyata"
EngDesign
reddit
"Integrasi X memberikannya keunggulan besar bagi siapa pun yang melacak sentimen kripto atau saham secara real-time"
FinancePro
x

Video Tentang Grok-3

Tonton tutorial, ulasan, dan diskusi tentang Grok-3

Grok 3 bisa dibilang adalah model reasoning paling mutakhir yang tersedia saat ini

Outputnya memiliki kualitas yang jauh lebih baik daripada fungsi deep search milik OpenAI

Kecepatan mode deep research cukup mengesankan dibandingkan dengan O1

Anda bisa melihat model ini benar-benar memproses beberapa hasil pencarian secara bersamaan

Ini adalah lompatan signifikan dari Grok-2 dalam hal konsistensi logis

Grok 3 dan Grok 3 mini lebih baik daripada semua model reasoning yang telah dipublikasikan

Logikanya sangat tajam... ini adalah reasoning yang paling mirip manusia yang pernah saya lihat

Trace pemikiran internal memberikan pandangan yang jauh lebih jelas tentang logikanya

Ia tidak hanya menebak; ia memeriksa pekerjaannya, yang merupakan ciri khas dari pemikiran System 2

Performa matematika pada benchmark AIME benar-benar state-of-the-art

Pada benchmark tersebut, Anda dapat melihat bahwa Grok 3 sebenarnya berkinerja cukup baik di semua lini

Dibandingkan dengan kompetitor lain, ini cukup menjanjikan

Performa coding adalah poin utama di sini, menyaingi yang terbaik di industri

Ia menangani tugas-tugas refactoring arsitektur yang gagal pada versi sebelumnya

Integrasi dengan X API membuatnya sangat kuat untuk peristiwa terkini

Lebih dari sekadar prompt

Tingkatkan alur kerja Anda dengan Otomatisasi AI

Automatio menggabungkan kekuatan agen AI, otomatisasi web, dan integrasi cerdas untuk membantu Anda mencapai lebih banyak dalam waktu lebih singkat.

Agen AI
Otomasi Web
Alur Kerja Cerdas
Tonton video demo

Tips Pro untuk Grok-3

Tips ahli untuk memaksimalkan Grok-3.

Aktifkan Deep Thinking

Selalu aktifkan mode Think untuk tugas matematika atau logika guna memastikan verifikasi langkah demi langkah melalui test-time compute.

Manfaatkan Integrasi X

Gunakan kueri spesifik tentang berita terkini atau peristiwa saat ini untuk mendapatkan data yang tidak dapat diakses oleh LLM lain karena adanya batas waktu pengetahuan (knowledge cutoff).

Periksa Trace

Tinjau trace pemikiran internal untuk mengidentifikasi secara tepat di mana model menghabiskan compute-nya dan memverifikasi jalur logikanya.

Visi untuk UI

Unggah screenshot desain UI dan minta Grok untuk menghasilkan kode React atau Tailwind yang sesuai untuk pembuatan prototipe front-end yang cepat.

Testimoni

Apa Kata Pengguna Kami

Bergabunglah dengan ribuan pengguna puas yang telah mengubah alur kerja mereka

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Terkait AI Models

anthropic

Claude 3.7 Sonnet

anthropic

Claude 3.7 Sonnet is Anthropic's first hybrid reasoning model, delivering state-of-the-art coding capabilities, a 200k context window, and visible thinking.

200K context
$3.00/$15.00/1M
zhipu

GLM-4.7

zhipu

GLM-4.7 by Zhipu AI is a flagship 358B MoE model featuring a 200K context window, elite 73.8% SWE-bench performance, and native Deep Thinking for agentic...

200K context
$0.60/$2.20/1M
anthropic

Claude Sonnet 4.5

anthropic

Anthropic's Claude Sonnet 4.5 delivers world-leading coding (77.2% SWE-bench) and a 200K context window, optimized for the next generation of autonomous agents.

200K context
$3.00/$15.00/1M
anthropic

Claude Opus 4.5

anthropic

Claude Opus 4.5 is Anthropic's most powerful frontier model, delivering record-breaking 80.9% SWE-bench performance and advanced autonomous agency for coding.

200K context
$5.00/$25.00/1M
xai

Grok-4

xai

Grok-4 by xAI is a frontier model featuring a 2M token context window, real-time X platform integration, and world-record reasoning capabilities.

2M context
$3.00/$15.00/1M
openai

GPT-5.1

openai

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
google

Gemini 3 Flash

google

Gemini 3 Flash is Google's high-speed multimodal model featuring a 1M token context window, elite 90.4% GPQA reasoning, and autonomous browser automation tools.

1M context
$0.50/$3.00/1M
google

Gemini 3 Pro

google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M

Pertanyaan yang Sering Diajukan tentang Grok-3

Temukan jawaban untuk pertanyaan umum tentang Grok-3