AI BENCHY
Your ad here

#52

Grok 4.20 Beta

X AI · रिलीज़: 2026-03-12 · x-ai/grok-4.20-beta::none

प्रति परिणाम लागत

2.214

संगति

9.1

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 33.3%

अस्थिर टेस्ट

2

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

1.22s

प्रतिक्रिया समय (अधिकतम): 6.48s

प्रतिक्रिया समय (कुल): 19.53s

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

औसत स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी औसत स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 3.3 7.9
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 9.9 10.0
डोमेन-विशिष्ट 10.0 10.0
Samanya Buddhimatta 5.0 10.0
निर्देश पालन 4.5 10.0
पहेली समाधान 4.0 7.2
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल