AI BENCHY
Advertise here

#52

Grok 4.20

X AI প্রকাশ: 2026-03-31 পরীক্ষিত হয়েছে: 2026-04-11 01:44 x-ai/grok-4.20::medium
(medium) (none)

পরিচয় নোট

Grok 4.20 Beta ছিল Grok 4.20-এর প্রিভিউ সংস্করণ।

স্কোর

7.0

ধারাবাহিকতা

7.8

নির্ভরযোগ্যতা

প্রযোজ্য নয়

মোট খরচ

$0.743

মোট আউটপুট টোকেন

111,626

???? ???

$2.000 / 1M

????? ???

$6.000 / 1M

সঠিক টেস্ট

ভুল টেস্ট: 9

প্রতি চেষ্টায় পাস রেট: 66.7%

অস্থির টেস্ট

5

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

10.33s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 29.87s

প্রতিক্রিয়া সময় (মোট): 185.87s

নির্দেশনা অনুসরণ করা হয়নি: 4 ভুল উত্তর: 3 API ত্রুটি: 1 অতিরিক্ত ফরম্যাটিং: 1

রান ইতিহাস

পরীক্ষিত হয়েছে স্কোর নির্ভরযোগ্যতা সঠিক টেস্ট মোট খরচ তুলনা করুন
2026-05-08 15:32 স্যুইট পরিবর্তিত হয়েছে 6.9 10.0 $0.756 তুলনা করুন
2026-04-11 01:44 প্রথম নথিভুক্ত রান 7.0 প্রযোজ্য নয় $0.743 বর্তমান রান

রান তুলনা

রানস্কোরধারাবাহিকতানির্ভরযোগ্যতাসঠিক টেস্টঅস্থির টেস্টমোট আউটপুট টোকেনমোট খরচপ্রতিক্রিয়া সময় (গড়)
2026-04-11 01:44 · প্রথম নথিভুক্ত রান7.07.8প্রযোজ্য নয়9/185111,626$0.74310.33s
2026-05-08 15:32 · স্যুইট পরিবর্তিত হয়েছে6.98.310.010/194130,017$0.75614.53s
পার্থক্য+0.1-0.5-1+1-18391-$0.014-4203ms

এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

Grok 4.20mediumvsRing 2.6 1tnoneবিনামূল্যে উপলভ্যGrok 4.20mediumvsQwen3.5-35B-A3BmediumGrok 4.20mediumvsMiMo-V2-FlashmediumGrok 4.20mediumvsGPT-5.2mediumGrok 4.20mediumvsRing 2.6 1tmediumবিনামূল্যে উপলভ্যGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsGemini 3 Flash PreviewmediumGrok 4.20mediumvsGemini 3.1 Pro Previewmedium

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ স্কোর ধারাবাহিকতা সঠিক টেস্ট
অ্যান্টি-এআই কৌশল 8.2 7.9
কোডিং 4.3 1.1
সমন্বিত 10.0 10.0
ডেটা পার্সিং ও নিষ্কাশন 10.0 10.0
ডোমেইন-নির্দিষ্ট 5.3 10.0
Sadharon Buddhimotta 5.8 2.8
নির্দেশনা অনুসরণ 7.3 5.9
ধাঁধা সমাধান 6.4 7.7
টুল কলিং 3.0 10.0

তুলনা করা মডেল