#80 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
الإصدار: 2026-03-12
تم الاختبار في: 2026-05-06 14:16
x-ai/grok-4.20-multi-agent-beta::medium
الملخص
يسجل Grok 4.20 Multi Agent Beta نتيجة 6.6 في AI BENCHY ويحتل المرتبة #80. لديه موثوقية غير متاح، ومعدل نجاح 63.0%، وتكلفة إجمالية $5.074، ومتوسط زمن استجابة 9.80s.
ما الذي يجعل Grok 4.20 Multi Agent Beta مميزًا: يبرز أكثر في البرمجة حيث يحتل #1، بينما تعد استدعاء الأدوات أضعف نقاطه عند #11. يستخدم عددًا عاليًا بشكل غير معتاد من رموز الاستدلال، ما قد يفسر التشغيل الأبطأ أو الأعلى تكلفة.
نموذج مؤرشف: لن يتم تحديث هذا النموذج أو اختباره على اختبارات جديدة بعد الآن.
6.6
الاتساق
7.4
غير متاح
إجمالي رموز الإخراج
608,704
إجمالي رموز الإدخال
0
سعر الإدخال
$0.000 / 1M
سعر الإخراج
$0.000 / 1M
اختبارات غير مستقرة
6
الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
سجل التشغيل
| تم الاختبار في | النتيجة | الموثوقية | اختبارات صحيحة | إجمالي التكلفة | قارن |
|---|---|---|---|---|---|
| 2026-05-06 14:16 إعادة اختبار | 6.6 | غير متاح | $5.599 ↑ | قارن | |
| 2026-05-06 14:16 إعادة اختبار | 6.6 | غير متاح | $5.074 | قارن | |
| 2026-05-06 14:16 تغيّرت المجموعة | 6.6 | غير متاح | $5.074 | التشغيل الحالي | |
| 2026-04-11 01:19 أول تشغيل مسجل | 6.4 | غير متاح | $5.074 | قارن |
استخدم هذا التشغيل مجموعة اختبارات مختلفة. ضع تغييرات المجموعة في الاعتبار عند قراءة الحركة التاريخية.
مقارنة التشغيلات
| التشغيل | النتيجة | الاتساق | الموثوقية | اختبارات صحيحة | اختبارات غير مستقرة | إجمالي رموز الإخراج | إجمالي رموز الإدخال | إجمالي التكلفة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · تغيّرت المجموعة | 6.6 | 7.4 | غير متاح | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-04-11 01:19 · أول تشغيل مسجل | 6.4 | 7.4 | غير متاح | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| الفرق | +0.2 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
استخدم هذان التشغيلان مجموعتي اختبارات مختلفتين، لذلك تعكس الفروقات تغييرات النموذج وتغييرات المجموعة معاً.
الرسوم البيانية
اختر النموذج الأول، ثم انقر على نموذج ثانٍ لفتح صفحة مقارنة جنبًا إلى جنب.
أفضل النماذج حسب الدرجة
النتيجة vs إجمالي التكلفة
زمن الاستجابة (المتوسط)
النتيجة vs زمن الاستجابة (المتوسط)
إجمالي رموز الإخراج
النتيجة vs إجمالي رموز الإخراج
مقارنة سريعة
تفصيل الفئات
| الفئة | النتيجة | الاتساق | اختبارات صحيحة |
|---|---|---|---|
| حيل مضادة للذكاء الاصطناعي | 6.9 | 5.8 | |
| البرمجة | 10.0 | 10.0 | |
| مجمّع | 3.0 | 10.0 | |
| تحليل البيانات واستخراجها | 10.0 | 10.0 | |
| خاص بالمجال | 2.9 | 7.2 | |
| الذكاء العام | 5.8 | 2.8 | |
| اتباع التعليمات | 9.8 | 10.0 | |
| حل الألغاز | 7.2 | 5.1 | |
| استدعاء الأدوات | 3.0 | 10.0 |