#52 xAI: Grok 4.20
medium- Kosten
- $0.041
- Zeit
- 110.3s
- Token
- 16,336 tok
X AI
Veröffentlichung: 2026-03-31
Getestet am: 2026-04-11 01:44
x-ai/grok-4.20::medium
~1T insgesamt (~100B aktiv)MoEGeschlossenGeschätzt
(medium)
(none)
Zusammenfassung
Grok 4.20 erreicht 7.0 bei AI BENCHY und liegt auf #52. Das Modell hat k. A. Zuverlässigkeit, 66.7% Erfolgsrate, $0.743 Gesamtkosten und 10.33s durchschnittliche Antwortzeit.
Was Grok 4.20 besonders macht: Am stärksten ist es in Kombiniert, wo es #1 erreicht; am schwächsten ist Programmierung mit #18. Es ist im Vergleich zu ähnlichen Modellen auffällig schnell.
Identitätshinweis
Grok 4.20 Beta war die Vorschauversion von Grok 4.20.
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.
7.0
Konsistenz
7.8
k. A.
Gesamte Ausgabe-Token
111,626
Gesamte Eingabe-Token
0
Eingabepreis
$2.000 / 1M
Ausgabepreis
$6.000 / 1M
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.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-08-14 02:57 Erneuter Test | 7.0 | 10.0 | $0.805 ↓ | Vergleichen | |
| 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 | Aktueller Lauf |
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Erster erfasster Lauf | 54/54 Versuche | 7.0 | 7.8 | k. A. | 9/18 | 5 | 111,626 | 0 | $0.743 | 10.33s |
| 2026-08-14 02:57 · Erneuter Test | 66/66 Versuche | 7.0 | 8.2 | 10.0 | 11/22 | 5 | 270,259 | 102,986 | $0.805 | 32.56s |
| Differenz | — | 0.0 | -0.4 | -2 | 0 | -158633 | -102986 | -$0.062 | -22236ms |
Die Benchmark-Abdeckung unterscheidet sich: 54/54 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 66/66 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.
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 4.20mediumvsMercury 2mediumGrok 4.20mediumvsSeed-2.0-MinimediumGrok 4.20mediumvsGPT-5.5noneGrok 4.20mediumvsKimi K2.5mediumGrok 4.20mediumvsGLM 5.1mediumGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsQwen3.7 FlashmediumGrok 4.20mediumvsGPT-5.6 SolnoneGrok 4.20mediumvsSeed-2.0-Codehigh
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 | 5.8 | 2.8 | |
| Befolgung von Anweisungen | 7.3 | 5.9 | |
| Rätsellösen | 6.4 | 7.7 | |
| Werkzeugaufrufe | 3.0 | 10.0 |