#61 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
Veröffentlichung: 2026-03-12
Getestet am: 2026-04-11 01:19
x-ai/grok-4.20-multi-agent-beta::medium
Zusammenfassung
Grok 4.20 Multi Agent Beta erreicht 6.4 bei AI BENCHY und liegt auf #61. Das Modell hat k. A. Zuverlässigkeit, 57.4% Erfolgsrate, $5.074 Gesamtkosten und 9.80s durchschnittliche Antwortzeit.
Was Grok 4.20 Multi Agent Beta besonders macht: Am stärksten ist es in Programmierung, wo es #1 erreicht; am schwächsten ist Domänenspezifisch mit #16. Es nutzt ungewöhnlich viele Reasoning-Tokens, was langsamere oder teurere Läufe erklären kann.
Archiviertes Modell: Dieses Modell wird nicht mehr aktualisiert und nicht mehr in neuen Tests getestet.
6.4
Konsistenz
7.4
k. A.
Gesamte Ausgabe-Token
608,704
Gesamte Eingabe-Token
0
Eingabepreis
$0.000 / 1M
Ausgabepreis
$0.000 / 1M
Instabile Tests
6
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generation 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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Erneuter Test | 6.6 | k. A. | $5.599 ↑ | Vergleichen | |
| 2026-05-06 14:16 Erneuter Test | 6.6 | k. A. | $5.074 | Vergleichen | |
| 2026-05-06 14:16 Suite geändert | 6.6 | k. A. | $5.074 | Vergleichen | |
| 2026-04-11 01:19 Erster erfasster Lauf | 6.4 | k. A. | $5.074 | Aktueller Lauf |
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · Erster erfasster Lauf | 6.4 | 7.4 | k. A. | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-05-06 14:16 · Erneuter Test | 6.6 | 7.4 | k. A. | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Differenz | -0.2 | 0.0 | -1 | 0 | 0 | 0 | $0.000 | 0ms |
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 | 6.9 | 5.8 | |
| Programmierung | 10.0 | 10.0 | |
| Kombiniert | 3.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 2.9 | 7.2 | |
| Allgemeine Intelligenz | 5.8 | 2.8 | |
| Befolgung von Anweisungen | 8.3 | 10.0 | |
| Rätsellösen | 7.2 | 5.1 | |
| Werkzeugaufrufe | 3.0 | 10.0 |