#66 xAI: Grok 4.20
medium- Kosten
- $0.041
- Zeit
- 110.3s
- Token
- 16,336 tok
X AI
Veröffentlichung: 2026-03-31
Getestet am: 2026-05-08 15:32
x-ai/grok-4.20::medium
(medium)
(none)
Zusammenfassung
Grok 4.20 erreicht 6.9 bei AI BENCHY und liegt auf #66. Das Modell hat 10.0 Zuverlässigkeit, 63.2% Erfolgsrate, $0.756 Gesamtkosten und 14.53s durchschnittliche Antwortzeit.
Identitätshinweis
Grok 4.20 Beta war die Vorschauversion von Grok 4.20.
6.9
Konsistenz
8.3
10.0
Gesamte Ausgabe-Token
130,017
Gesamte Eingabe-Token
0
Eingabepreis
$1.250 / 1M
Ausgabepreis
$2.500 / 1M
Instabile Tests
4
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generierungs-Showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | 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 | Aktueller Lauf | |
| 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 | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:32 · Suite geändert | 6.9 | 8.3 | 10.0 | 10/19 | 4 | 130,017 | 0 | $0.756 | 14.53s |
| 2026-05-22 00:32 · Suite geändert | 6.7 | 8.0 | 10.0 | 10/20 | 5 | 158,105 | 0 | $0.832 | 19.09s |
| Differenz | +0.2 | +0.3 | 0.0 | 0 | -1 | -28088 | 0 | -$0.076 | -4564ms |
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
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
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 8.2 | 7.9 | |
| Programmierung | 4.3 | 1.1 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.3 | 10.0 | |
| Allgemeine Intelligenz | 3.9 | 2.6 | |
| Befolgung von Anweisungen | 7.3 | 6.0 | |
| Rätsellösen | 7.7 | 10.0 | |
| Werkzeugaufrufe | 3.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |