能力 vs 帳單
指數 67.5 對應 Σ $0.7／MTok，Value 96.43。高指數不自動等於該買——看任務失敗成本是否撐得住溢價。
效率前沿CF-1.3Paretoreasoning
Grok 4.1 Fast
Grok 4.1 Fast 定位為「效率前沿」：Cheese Index 67.5（#7）。在能力與成本之間不可被支配，適合短名單第一輪。場景上最貼近「成本優先」。
2026-07-28 快照。 xAI · 5 路交叉訊號 · Pareto · Ops 61.0 · 最佳 Fit 成本優先 · xAI
CHEESE INDEX
67.5#7
DEPTH
72.8
OPS
61.0
VALUE
96.43
BALANCE
48.0
CONSENSUS
48.0
Σ COST
$0.7
LATENCY
0 ms
優勢訊號
- 落在成本－能力 Pareto 前沿：同成本難找到明顯更強、同能力難找到明顯更便宜。
- 部署體感 Ops 61.0，適合延遲敏感路徑。
- 專長「reasoning」相對群體抬升 +34.6。
- 場景 Fit 首選「成本優先」（62.2）。
- 深度複合 72.8，能力覆蓋面不只單一軸。
風險與缺口
- 指標為保留／封存快照，決策前請確認是否需刷新。
深度雷達
實線＝本模型 · 虛線＝群體中位
芝士軸
coding
agent
horizon
場景 Fit
★ 成本優先
編碼代理
生成原型
均衡穩健
長程任務
關鍵取捨
指數 vs 體感
Ops 61.0 與 Index 67.5 是否同向？若指數高但延遲差，適合作離線／批次，而非同步對話主路徑。
均衡 vs 尖峰
三軸平衡 48.0。軸向落差大，更適合專長路由而非一刀切。
專長對齊
相對群體在「reasoning」抬升 +34.6。任務面不匹配時，抬升無法兌換成產品價值。
部署體感
Ops61.0
Latency0 ms
Throughput23.6
I / O$0.2 / $0.5
體感中段或偏弱：可作批次／離線，或搭配更快的分流模型。
驗證清單
- 用 3–5 個自家真實任務（含失敗案例）跑 A/B，勿只看排行分數。
- 記錄延遲 p50／p95、錯誤率與單位任務成本，對齊 Ops／Value 敘事。
- 若作預設模型：設好降級備援（更便宜或更快的分流模型）。
- 上線後追 7 日指數波動與產品 KPI，決定是否留在短名單。
能力細節
coding ★
agent ★
knowledge
instruction
multimodal ★
multilingual ★
reasoning ★