Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

xAI: Grok 4.20 vs xAI: Grok 4.3

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-05-01

Métrica Grok 4.20 Grok 4.20 medium Lanzamiento: 2026-03-31 Grok 4.3 Grok 4.3 medium Lanzamiento: 2026-05-01
Puntuación 7.0 8.2
Rango #63 #20
Fiabilidad N/D 10.0
Consistencia 7.8 8.6
Pruebas correctas
Tasa de aciertos por intento 66.7% 81.5%
Pruebas inestables 5 3
Ejecuciones totales 54 54
Costo por resultado 8.252 3.974
Costo total $0.743 $0.517
Precio de entrada $2.000 / 1M $1.250 / 1M
Precio de salida $6.000 / 1M $2.500 / 1M
Tokens de salida 1,744 1,223
Tokens de razonamiento 109,882 187,047
Tiempo de respuesta (promedio) 10.33s 48.63s
Tiempo de respuesta (máximo) 29.87s 216.69s
Tiempo de respuesta (total) 185.87s 875.27s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 8.2 7.9 83.3% 1 3.36s 280 8,476
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
Grok 4.3 10.0 10.0 100.0% 0 45.72s 284 9,659
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Grok 4.3 10.0 10.0 100.0% 0 63.99s 234 15,301
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 5.8 2.8 66.7% 1 7.09s 47 4,252
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 7.3 6.0 83.3% 1 4.42s 40 5,474
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 6.4 7.7 55.6% 1 3.89s 143 8,028
Grok 4.3 5.9 7.2 55.6% 1 22.53s 128 14,686
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615

Comparación rápida

Cambiar par de comparación

DeepSeek V4 ProhighvsGrok 4.20mediumGemma 4 31BnoneDisponible gratisvsGrok 4.20mediumHY3 PreviewlowDisponible gratisvsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGPT-5.5nonevsGrok 4.20mediumGPT-5.2 ChatnonevsGrok 4.3mediumGrok 4.20mediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGrok 4.3mediumGPT-5.3 ChatnonevsGrok 4.3mediumHY3 PreviewhighDisponible gratisvsGrok 4.3medium