- Punktzahl
- 9.4 (+3.10 Punkte)
- Gesamtkosten (aktueller Preis)
- $0.183 · 85.4% günstiger
- Antwortzeit (Durchschnitt)
- 6.24s · 83.0% schneller
X AI
Veröffentlichung: 2026-03-31
Getestet am: 2026-10-01 02:39
x-ai/grok-4.20::medium
~1T insgesamt (~100B aktiv)MoEGeschlossenGeschätzt
(medium)
(none)
Zusammenfassung
Grok 4.20 erreicht 6.3 bei AI BENCHY und liegt auf #225. Das Modell hat 10.0 Zuverlässigkeit, 58.0% Erfolgsrate, $1.246 Gesamtkosten und 36.73s durchschnittliche Antwortzeit.
Was Grok 4.20 besonders macht: Am stärksten ist es in Kombiniert, wo es #2 erreicht; am schwächsten ist Allgemeine Intelligenz mit #14.
Identitätshinweis
Grok 4.20 Beta war die Vorschauversion von Grok 4.20.
Empfohlene Alternativen
Wir empfehlen stattdessen eines dieser Modelle:
- Punktzahl
- 8.3 (+2.01 Punkte)
- Gesamtkosten (aktueller Preis)
- $0.047 · 96.2% günstiger
- Antwortzeit (Durchschnitt)
- 18.07s · 50.8% schneller
- Punktzahl
- 7.4 (+1.16 Punkte)
- Gesamtkosten (aktueller Preis)
- $0.065 · 94.8% günstiger
- Antwortzeit (Durchschnitt)
- 9.64s · 73.8% schneller
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- ~1T insgesamt (~100B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Geschlossen
- Lizenz
- -
Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.
6.3
Konsistenz
8.2
10.0
Gesamte Ausgabe-Token
302,087
Gesamte Eingabe-Token
392,127
Eingabepreis
$1.250 / 1M
Ausgabepreis
$2.500 / 1M
Preis für Cache-Lesen
$0.200 / 1M
Preis für Cache-Schreiben
k. A.
Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.
Instabile Tests
5
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#225 SpaceXAI: Grok 4.20
medium- Kosten
- $0.041
- Zeit
- 110.3s
- Token
- 16,336 tok
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-10-01 02:39 Erneuter Test | 6.3 | 10.0 | $1.246 ↓ | Aktueller Lauf | |
| 2026-07-16 23:07 Neuer Test hinzugefügt | 7.1 | 10.0 | $0.777 ↓ | Vergleichen | |
| 2026-06-04 14:17 Neuer Test hinzugefügt | 7.1 | 10.0 | $0.609 ↓ | Vergleichen | |
| 2026-05-22 00:32 Suite geändert | 6.7 | 10.0 | $0.832 | Vergleichen | |
| 2026-05-08 15:32 Suite geändert | 6.9 | 10.0 | $0.756 | Vergleichen | |
| 2026-04-11 01:44 Erster erfasster Lauf | 7.0 | k. A. | $0.743 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 02:39 · Aktueller Lauf | 69/69 Versuche | 6.3 | 8.2 | 10.0 | 11/23 | 5 | 302,087 | 392,127 | $1.246 | 36.73s |
| 2026-05-22 00:32 · Suite geändert | 60/60 Versuche | 6.7 | 8.0 | 10.0 | 10/20 | 5 | 158,105 | 0 | $0.832 | 19.09s |
| Differenz | — | -0.4 | +0.2 | 0.0 | +1 | 0 | +143982 | +392127 | +$0.414 | +17633ms |
Die Benchmark-Abdeckung unterscheidet sich: 69/69 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 60/60 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Preisverlauf
Historische Preisdaten für dieses Modell von OpenRouter.
| Datum | Eingabepreis | Ausgabepreis | Preis für Cache-Lesen | Preis für Cache-Schreiben |
|---|---|---|---|---|
| 2026-08-14 12:51 | $1.250 / 1M | $2.500 / 1M | k. A. | k. A. |
| 2026-10-01 18:33 | $1.250 / 1M | $2.500 / 1M | $0.200 / 1M | k. A. |
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Grok 4.20mediumvsDeepSeek V4 Flash 0423noneGrok 4.20mediumvsSpace Bunny AlphaxhighGrok 4.20mediumvsTrinity Large ThinkinglowGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsDeepSeek V4 Flash 0731noneGrok 4.20mediumvsSpace Bunny AlphamediumGrok 4.20mediumvsGemini 3.1 Flash Lite PreviewnoneGrok 4.20mediumvsQwen3.5 Plus 2026-02-15noneGrok 4.20mediumvsClaude Fable 5.1low
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Agentenaufgaben | 3.0 | 10.0 | |
| Anti-KI-Tricks | 8.2 | 7.9 | |
| Programmierung | 6.3 | 6.6 | |
| Kombiniert | 8.7 | 6.9 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 2.9 | 7.2 | |
| Allgemeine Intelligenz | 3.9 | 2.6 | |
| Befolgung von Anweisungen | 9.8 | 10.0 | |
| Rätsellösen | 7.7 | 10.0 | |
| Werkzeugaufrufe | 3.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |