#80 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
Lanzamiento: 2026-03-12
Probado el: 2026-05-06 14:16
x-ai/grok-4.20-multi-agent-beta::medium
Resumen
Grok 4.20 Multi Agent Beta obtiene 6.6 en AI BENCHY y ocupa el puesto #80. Tiene fiabilidad N/D, una tasa de aciertos de 63.0%, coste total de $5.074 y tiempo medio de respuesta de 9.80s.
Qué hace único a Grok 4.20 Multi Agent Beta: Destaca más en Programación, donde ocupa #1, mientras que Llamada de herramientas es su área más débil con #11. Usa una cantidad inusualmente alta de tokens de razonamiento, lo que puede explicar ejecuciones más lentas o caras.
Modelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
6.6
Consistencia
7.4
N/D
$5.074
Total de tokens de salida
608,704
Total de tokens de entrada
0
Precio de entrada
$0.000 / 1M
Precio de salida
$0.000 / 1M
Pruebas inestables
6
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
9.80s
Tiempo de respuesta (máximo): 35.28s
Tiempo de respuesta (total): 156.75s
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Nueva prueba | 6.6 | N/D | $5.599 ↑ | Comparar | |
| 2026-05-06 14:16 Nueva prueba | 6.6 | N/D | $5.074 | Comparar | |
| 2026-05-06 14:16 Suite modificada | 6.6 | N/D | $5.074 | Ejecución actual | |
| 2026-04-11 01:19 Primera ejecución registrada | 6.4 | N/D | $5.074 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · Suite modificada | 6.6 | 7.4 | N/D | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-04-11 01:19 · Primera ejecución registrada | 6.4 | 7.4 | N/D | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Diferencia | +0.2 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
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
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 6.9 | 5.8 | |
| Programación | 10.0 | 10.0 | |
| Combinado | 3.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 2.9 | 7.2 | |
| Inteligencia general | 5.8 | 2.8 | |
| Seguimiento de instrucciones | 9.8 | 10.0 | |
| Resolución de acertijos | 7.2 | 5.1 | |
| Llamada de herramientas | 3.0 | 10.0 |