नेविगेशन
AI BENCHY
Advertise here

तुलना किए गए मॉडल

Grok 4.20 (medium) vs Grok 4.20 Beta (medium) vs Grok 4.3 (medium) benchmark तुलना: Grok 4.3 (medium) स्कोर में 7.1 के साथ आगे है। Grok 4.20 (medium) विश्वसनीयता में 10.0 के साथ आगे है। Grok 4.20 Beta (medium) का कुल लागत सबसे कम है: $0.750. Grok 4.20 Beta (medium) 9.75s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-01

रैंक
#90
कुल आउटपुट टोकन
259,340
प्रतिक्रिया समय (औसत)
29.47s
कुल लागत
$0.777
रैंक
#152
कुल आउटपुट टोकन
93,212
प्रतिक्रिया समय (औसत)
9.75s
कुल लागत
$0.750
रैंक
#88
कुल आउटपुट टोकन
241,421
प्रतिक्रिया समय (औसत)
47.45s
कुल लागत
$0.779
अनुशंसित मॉडल Grok 4.20 (medium)

It has the strongest score in this comparison (7.1) and the best overall balance of cost and response time across all 3 models.

विस्तृत तुलना

मेट्रिक Grok 4.20 Grok 4.20 medium रिलीज़: 2026-03-31 Grok 4.20 Beta Grok 4.20 Beta medium रिलीज़: 2026-03-12 Grok 4.3 Grok 4.3 medium रिलीज़: 2026-05-01
स्कोर 7.1 6.0 7.1
रैंक #90 #152 #88
विश्वसनीयता 10.0 लागू नहीं 10.0
संगति 8.5 7.8 8.6
सही परीक्षण
प्रति प्रयास पास दर 63.6% 66.7% 68.2%
अस्थिर टेस्ट 4 1 4
कुल रन 66 52 66
प्रति परिणाम लागत 9.709 4.505 5.990
कुल लागत $0.777 $0.750 $0.779
इनपुट कीमत $1.250 / 1M $5.805 / 1M $1.250 / 1M
आउटपुट कीमत $2.500 / 1M $5.805 / 1M $2.500 / 1M
कुल इनपुट टोकन 102,791 35,955 140,031
आउटपुट टोकन 5,363 1,647 13,739
रीजनिंग टोकन 253,977 91,565 227,682
प्रतिक्रिया समय (औसत) 29.47s 9.75s 47.45s
प्रतिक्रिया समय (अधिकतम) 199.66s 31.36s 216.69s
प्रतिक्रिया समय (कुल) 648.35s 175.48s 1043.83s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#90 xAI: Grok 4.20

medium
लागत
$0.041
समय
110.3s
टोकन
16,336 tok

#152 Grok 4.20 Beta

medium
लागत
$0.034
समय
91.0s
टोकन
13,523 tok

#88 xAI: Grok 4.3

medium
लागत
$0.009
समय
19.0s
टोकन
3,661 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
Grok 4.20 Beta 3.3 3.3 33.3% 0 31.36s 360 81 3,987
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226

त्वरित तुलना

तुलना जोड़ी बदलें