#52 xAI: Grok 4.20
medium- Coste
- $0.041
- Tiempo
- 110.3s
- Tokens
- 16,336 tok
X AI
Lanzamiento: 2026-03-31
Probado el: 2026-04-11 01:44
x-ai/grok-4.20::medium
~1T en total (~100B activos)MoECódigo cerradoEstimado
(medium)
(none)
Resumen
Grok 4.20 obtiene 7.0 en AI BENCHY y ocupa el puesto #52. Tiene fiabilidad N/D, una tasa de aciertos de 66.7%, coste total de $0.743 y tiempo medio de respuesta de 10.33s.
Qué hace único a Grok 4.20: Destaca más en Combinado, donde ocupa #1, mientras que Programación es su área más débil con #18. Es notablemente rápido frente a modelos similares.
Nota de identidad
Grok 4.20 Beta fue la versión preliminar de Grok 4.20.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- ~1T en total (~100B activos)
- Arquitectura
- MoE
- Disponibilidad
- Código cerrado
- Licencia
- -
Mejor estimación basada en información pública; el proveedor no ha revelado todos los valores.
7.0
Consistencia
7.8
N/D
$0.743
Total de tokens de salida
111,626
Total de tokens de entrada
0
Precio de entrada
$2.000 / 1M
Precio de salida
$6.000 / 1M
Pruebas inestables
5
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
10.33s
Tiempo de respuesta (máximo): 29.87s
Tiempo de respuesta (total): 185.87s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 02:57 Nueva prueba | 7.0 | 10.0 | $0.805 ↓ | Comparar | |
| 2026-07-16 23:07 Prueba nueva añadida | 7.1 | 10.0 | $0.777 ↓ | Comparar | |
| 2026-06-04 14:17 Prueba nueva añadida | 7.1 | 10.0 | $0.609 ↓ | Comparar | |
| 2026-05-22 00:32 Suite modificada | 6.7 | 10.0 | $0.832 | Comparar | |
| 2026-05-08 15:32 Suite modificada | 6.9 | 10.0 | $0.756 | Comparar | |
| 2026-04-11 01:44 Primera ejecución registrada | 7.0 | N/D | $0.743 | Ejecución actual |
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Primera ejecución registrada | 54/54 intentos | 7.0 | 7.8 | N/D | 9/18 | 5 | 111,626 | 0 | $0.743 | 10.33s |
| 2026-08-14 02:57 · Nueva prueba | 66/66 intentos | 7.0 | 8.2 | 10.0 | 11/22 | 5 | 270,259 | 102,986 | $0.805 | 32.56s |
| Diferencia | — | 0.0 | -0.4 | -2 | 0 | -158633 | -102986 | -$0.062 | -22236ms |
La cobertura del benchmark difiere: 54/54 intentos (Objetivo: 3 repeticiones por prueba) frente a 66/66 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
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
Comparación rápida
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
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 8.2 | 7.9 | |
| Programación | 4.3 | 1.1 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 5.3 | 10.0 | |
| Inteligencia general | 5.8 | 2.8 | |
| Seguimiento de instrucciones | 7.3 | 5.9 | |
| Resolución de acertijos | 6.4 | 7.7 | |
| Llamada de herramientas | 3.0 | 10.0 |