AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#119

Grok 4.20

X AI Lanzamiento: 2026-03-31 Probado el: 2026-05-06 14:16 x-ai/grok-4.20::none
(medium) (none)

Resumen

Grok 4.20 obtiene 5.4 en AI BENCHY y ocupa el puesto #119. Tiene fiabilidad N/D, una tasa de aciertos de 35.2%, coste total de $0.095 y tiempo medio de respuesta de 1.11s.

Qué hace único a Grok 4.20: Destaca más en Trucos anti-IA, donde ocupa #3, mientras que Programación es su área más débil con #11. Es notablemente rápido frente a modelos similares.

Nota de identidad

Grok 4.20 Beta fue la versión preliminar de Grok 4.20.

Puntuación

5.4

Consistencia

9.5

Fiabilidad

N/D

Costo total (precio actual)

$0.095

Total de tokens de salida

1,967

Total de tokens de entrada

0

Precio de entrada

$1.250 / 1M

Precio de salida

$2.500 / 1M

Pruebas correctas

Pruebas incorrectas: 12

Tasa de aciertos por intento: 35.2%

Pruebas inestables

1

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

1.11s

Tiempo de respuesta (máximo): 6.04s

Tiempo de respuesta (total): 20.02s

Respuesta incorrecta: 10 Formato extra: 1 Llamada de herramienta no válida: 1

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#119 xAI: Grok 4.20

none
Coste
$0.004
Tiempo
6.5s
Tokens
1,367 tok

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas Costo total Comparar
2026-05-06 14:16 Nueva prueba 5.4 N/D $0.057 ↓ Comparar
2026-05-06 14:16 Nueva prueba 5.4 N/D $0.095 Comparar
2026-05-06 14:16 Nueva prueba 5.4 N/D $0.095 Comparar
2026-05-06 14:16 Suite modificada 5.4 N/D $0.095 Ejecución actual
2026-04-11 01:44 Primera ejecución registrada 5.2 N/D $0.095 Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

EjecuciónPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-05-06 14:16 · Suite modificada5.49.5N/D6/1811,9670$0.0951.11s
2026-04-11 01:44 · Primera ejecución registrada5.29.5N/D5/1811,9670$0.0951.11s
Diferencia+0.20.0+1000$0.0000ms

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.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

Grok 4.20nonevsQwen3.5-122B-A10BnoneGrok 4.20nonevsMiniMax M2.7mediumGrok 4.20nonevsGPT-5.4 MininoneGrok 4.20nonevsQwen3.6 35B A3BnoneGrok 4.20nonevsLaguna XS 2.1noneDisponible gratisGrok 4.20nonevsMistral Small 4noneGrok 4.20nonevsGemini 3.5 FlashhighGrok 4.20nonevsGemini 3 Flash PreviewmediumGrok 4.20nonevsNemotron 3 Ultra 550b A55bmediumDisponible gratisGrok 4.20nonevsGPT-5.5low

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 4.8 10.0
Programación 3.4 9.3
Combinado 3.0 10.0
Análisis y extracción de datos 10.0 10.0
Específico del dominio 3.0 10.0
Inteligencia general 4.8 10.0
Seguimiento de instrucciones 6.3 10.0
Resolución de acertijos 5.3 7.2
Llamada de herramientas 10.0 10.0

Modelos comparados