#61 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
Sortie: 2026-03-12
Testé le: 2026-04-11 01:19
x-ai/grok-4.20-multi-agent-beta::medium
Résumé
Grok 4.20 Multi Agent Beta obtient 6.4 sur AI BENCHY et se classe #61. Il affiche une fiabilité de N/D, un taux de réussite de 57.4%, un coût total de $5.074 et un temps de réponse moyen de 9.80s.
Ce qui rend Grok 4.20 Multi Agent Beta unique : Il se distingue surtout en Programmation, où il se classe #1, tandis que Spécifique au domaine est son point le plus faible avec #16. Il utilise beaucoup plus de tokens de raisonnement que la moyenne, ce qui peut expliquer des runs plus lents ou plus coûteux.
Modèle archivé : ce modèle n'est plus mis à jour ni testé sur de nouveaux tests.
6.4
Cohérence
7.4
N/D
$5.074
Total des jetons de sortie
608,704
Total des jetons d'entrée
0
Prix d'entrée
$0.000 / 1M
Prix de sortie
$0.000 / 1M
Tests instables
6
Les tests instables ont eu des résultats mixtes entre exécutions (au moins une réussite et un échec).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historique des runs
| Testé le | Score | Fiabilité | Tests corrects | Coût total | Comparer |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Nouveau test | 6.6 | N/D | $5.599 ↑ | Comparer | |
| 2026-05-06 14:16 Nouveau test | 6.6 | N/D | $5.074 | Comparer | |
| 2026-05-06 14:16 Suite modifiée | 6.6 | N/D | $5.074 | Comparer | |
| 2026-04-11 01:19 Première exécution enregistrée | 6.4 | N/D | $5.074 | Exécution actuelle |
Comparaison de runs
| Run | Score | Cohérence | Fiabilité | Tests corrects | Tests instables | Total des jetons de sortie | Total des jetons d'entrée | Coût total | Temps de réponse (moy.) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · Première exécution enregistrée | 6.4 | 7.4 | N/D | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-05-06 14:16 · Nouveau test | 6.6 | 7.9 | N/D | 8/18 | 5 | 600,042 | 721,952 | $5.599 | 9.69s |
| Différence | -0.1 | -0.5 | -1 | +1 | +8662 | -721952 | -$0.526 | +105ms |
Ces deux runs ont utilisé des suites de benchmark différentes, donc les écarts reflètent à la fois les changements du modèle et ceux de la suite.
Graphiques
Choisissez d'abord le premier modèle, puis cliquez sur un second modèle pour ouvrir une page côte à côte.
Meilleurs modèles par score
Score vs Coût total
Temps de réponse (moy.)
Score vs Temps de réponse (moy.)
Total des jetons de sortie
Score vs Total des jetons de sortie
Comparaison rapide
Répartition par catégorie
| Catégorie | Score | Cohérence | Tests corrects |
|---|---|---|---|
| Astuces anti-IA | 6.9 | 5.8 | |
| Programmation | 10.0 | 10.0 | |
| Combiné | 3.0 | 10.0 | |
| Analyse et extraction des données | 10.0 | 10.0 | |
| Spécifique au domaine | 2.9 | 7.2 | |
| Intelligence générale | 5.8 | 2.8 | |
| Suivi des instructions | 8.3 | 10.0 | |
| Résolution d'énigmes | 7.2 | 5.1 | |
| Appel d'outils | 3.0 | 10.0 |