Relatório de teste de Grok 4.3

O Spicy Index combina 70% de qualidade e capacidades com 30% de um Freedom Score com evidências suficientes para publicação. Com evidências completas, os pesos são 59,5% de qualidade, 10,5% de capacidades e 30% de liberdade. Preço e velocidade são mostrados separadamente.

Cada item é lido da especificação do modelo na SpicyAPI e associado a uma linha de uma tabela fixa. Sem avaliação subjetiva.

Ainda não testado

Estas dimensões ainda não têm dados, por isso não entram no Index. Nenhuma é estimada.

• Roleplay15% da qualidade

  Ainda não testado

  Consistência do personagem, imersão e ausência de sermão fora do personagem: 30 cenários × 3 amostras, pontuados às cegas por três LLMs juízes.

  Como é pontuado

• Escrita criativa15% da qualidade

  Ainda não testado

  Cumprimento do prompt, originalidade, prosa e estrutura: 20 prompts × 2 amostras, pontuados às cegas por três LLMs juízes.

  Como é pontuado

• Seguimento de instruções15% da qualidade

  Ainda não testado

  100 restrições verificadas automaticamente sobre formato, tamanho, conteúdo obrigatório e esquema JSON. Sem juízes.

  Como é pontuado

• Memória em contexto longo15% da qualidade

  Ainda não testado

  Perguntas de recordação e de dois passos em 32k, 128k, 256k, 512k e 1M de tokens, dentro da janela publicada do modelo.

  Como é pontuado

Mais recentes primeiro. Uma linha por execução, com a data, o que foi testado e o resultado. Os resultados nos níveis Muito forte e Máximo são só texto, e os prompts nunca são publicados.