xai

Grok-3

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

xai logoxaiGrok17 Februari 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 adalah frontier model flagship dari xAI, yang mewakili lompatan signifikan dalam skala komputasi dan logika. Dilatih pada cluster superkomputer Colossus dengan lebih dari 100.000 GPU NVIDIA H100, model ini menangani tantangan matematika dan ilmiah yang kompleks. Model ini memiliki mode reasoning khusus yang menggunakan komputasi tambahan untuk memverifikasi logikanya sendiri sebelum memberikan jawaban akhir.

Integrasi Pengetahuan Real-Time

Salah satu pembeda utama adalah integrasi native-nya dengan platform X. Hal ini memungkinkan Grok-3 mengakses berita terkini, perubahan keuangan, dan tren global dengan latency yang lebih rendah dibandingkan model yang mengandalkan web crawling standar. Dipadukan dengan context window 1 juta token, ini memungkinkan peneliti untuk menyintesis data berjumlah masif yang mutakhir.

Kemampuan Multimodal dan Agentic

Selain teks, Grok-3 adalah model vision kuat yang mampu menginterpretasikan diagram teknis, cetak biru, dan data visual. Model ini mendukung pemanggilan fungsi (function calling) tingkat lanjut untuk digunakan dalam agen otonom. Dengan skor 83,9% pada SWE-Bench Verified, ini adalah salah satu model paling mampu untuk menyelesaikan masalah rekayasa perangkat lunak dunia nyata.

Grok-3

Kasus Penggunaan untuk Grok-3

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

Analisis Pasar Real-Time

Menggunakan data live X untuk menganalisis sentimen keuangan dan berita terkini bagi investor.

Penelitian Ilmiah Tingkat PhD

Menyelesaikan masalah STEM tingkat pascasarjana dan menganalisis literatur padat dengan mode reasoning.

Rekayasa Perangkat Lunak Kompetitif

Menghasilkan kode kelas produksi dan menyelesaikan masalah GitHub dengan akurasi tinggi.

Pembuktian Matematis Kompleks

Memanfaatkan test-time compute untuk menyelesaikan matematika tingkat olimpiade yang memerlukan deduksi multi-langkah.

Interpretasi Dokumen Teknis

Menganalisis cetak biru dan manual teknis melalui sistem vision multimodal miliknya.

Logika Agentic Otonom

Berfungsi sebagai inti kognitif untuk agent yang memerlukan perencanaan dan penggunaan tools dengan fidelitas tinggi.

Kelebihan

Keterbatasan

Reasoning Tingkat Olimpiade: Mencapai skor sempurna 100% pada benchmark matematika AIME 2025 menggunakan mode Deep Thinking.
Jejak Lingkungan yang Tinggi: Pelatihan memerlukan 200.000 GPU dan mengonsumsi sekitar 150MW daya, yang menimbulkan kekhawatiran terkait keberlanjutan.
Kapasitas Context Masif: Menawarkan context window 1 juta token, yang memungkinkan penyerapan seluruh pustaka atau proyek perangkat lunak.
Harga API Premium: Dengan harga $15 per juta output tokens, model ini jauh lebih mahal dibandingkan alternatif frontier yang lebih kecil.
Data Real-Time yang Tak Tertandingi: Integrasi langsung dengan X menyediakan aliran data paling segar dari model AI mana pun yang tersedia saat ini.
Batas Output Token: Respons umumnya dibatasi hingga 4.096 tokens, yang dapat memotong laporan atau file kode yang sangat panjang.
Presisi Coding Tinggi: Mencetak skor 83,9% pada SWE-Bench Verified, mengungguli kompetitor utama dalam menyelesaikan masalah GitHub yang kompleks.
Pembatasan Akses: Kemampuan model lengkap dan API keys sering kali dibatasi untuk pelanggan X Premium Plus atau wilayah tertentu.

Mulai Cepat API

xai/grok-3

Lihat Dokumentasi
xai SDK
import OpenAI from "openai";

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

async function main() {
  const completion = await client.chat.completions.create({
    model: "grok-3",
    messages: [{ role: "user", content: "Analyze the current market sentiment for Nvidia on X." }],
  });

  console.log(completion.choices[0].message.content);
}

main();

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Grok-3

Lihat apa yang dipikirkan komunitas tentang Grok-3

Grok-3 [adalah] model AI terbaik bagi trader dan investor karena analisis sentimen real-time-nya.
Austin Starks
reddit
Model ini berhasil menyelesaikan beberapa prompt penyelesaian kode HVM yang sulit, yang gagal dikerjakan oleh Gemini dan Sonnet. Saya merasakan tingkat 'kualitas' yang lebih tinggi daripada Sonnet-3.5.
Victor Taelin
twitter
Kecepatannya sangat luar biasa. Reasoning, info real-time, sepertinya menjadi model flagship tercepat yang ada saat ini.
Matthew Berman
youtube
Grok memiliki akses data real-time dan keberanian untuk membahas hal-hal yang tidak dilakukan model lain, menjadikannya pilihan 'edgy' bagi power user.
Beginning-Willow-801
reddit
Performa Grok-3 pada GPQA luar biasa. Ini jelas bersaing untuk posisi teratas dalam hal reasoning.
EpochAIResearch
twitter
Context window 1M-nya benar-benar berfungsi. Model ini menangani seluruh basis kode warisan (legacy) saya tanpa kehilangan konteks pada prompt awal.
DevGuru42
hackernews

Video Tentang Grok-3

Tonton tutorial, ulasan, dan diskusi tentang Grok-3

Pengenalan Grok-3 dan skala pelatihannya.

Model ini dibangun untuk kecerdasan dan pencarian kebenaran.

Reasoning Grok 3... tampaknya mengalahkan model open AI 01 dan deep seek R1 pada benchmark ilmiah.

Performa benchmark pada MMLU menunjukkan ini adalah model kelas atas.

Grok 3 bahkan akan mencoba menyelesaikan masalah yang belum terpecahkan... sementara model lain hanya akan menyatakan bahwa masalah tersebut belum terpecahkan.

Elon Musk mengklaim ini adalah AI paling kuat hingga saat ini.

Grok 3 kini telah mengklaim posisi teratas dalam tes buta ini, menjadikannya juara bertahan di Chatbot Arena.

Integrasi dengan X memberikan keuntungan yang jelas dalam hal kekinian (recency).

Kemampuan multimodal meningkat secara signifikan dibandingkan Grok-2.

Versi paling kuat dari Grok dan versi terbaru akan berupa versi web di grok.com.

Menjelajahi arsitektur teknis cluster Colossus.

Diskusi mengenai pelatihan masif 100k GPU H100.

Big brain adalah fitur yang benar-benar unik bagi Grok 3... fitur ini memungkinkan pengguna menggunakan beberapa agen reasoning untuk menyelesaikan masalah kompleks.

Pengembangan Grok 3 dipercepat oleh superkomputer Colossus milik X yang menggunakan 100.000 GPU Nvidia H100 pada Fase 1.

Pemikiran akhir tentang mengapa Grok-3 adalah langkah maju yang besar untuk transparansi gaya open-weights.

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

Tips Pro untuk Grok-3

Tips ahli untuk memaksimalkan Grok-3.

Manfaatkan Deep Search

Gunakan deep search untuk kueri terkait berita dari satu jam terakhir demi hasil yang paling akurat.

Aktifkan High Reasoning

Atur upaya reasoning ke tingkat tinggi (high) untuk teka-teki matematika guna memicu langkah verifikasi mandiri.

Gunakan Collections API

Unggah dokumen sensitif ke Collections API agar data Anda tidak masuk ke dalam loop pelatihan.

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

moonshot

Kimi K2 Thinking

Moonshot

Kimi K2 Thinking is Moonshot AI's trillion-parameter reasoning model. It outperforms GPT-5 on HLE and supports 300 sequential tool calls autonomously for...

256K context
$0.60/$2.50/1M
openai

GPT-5.4

OpenAI

GPT-5.4 is OpenAI's frontier model featuring a 1.05M context window and Extreme Reasoning. It excels at autonomous UI interaction and long-form data analysis.

1M context
$2.50/$15.00/1M
openai

GPT-5.2

OpenAI

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
google

Gemini 3.1 Flash-Lite

Google

Gemini 3.1 Flash-Lite is Google's fastest, most cost-efficient model. Features 1M context, native multimodality, and 363 tokens/sec speed for scale.

1M context
$0.25/$1.50/1M
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
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

256K context
$0.60/$3.00/1M

Pertanyaan yang Sering Diajukan tentang Grok-3

Temukan jawaban untuk pertanyaan umum tentang Grok-3