AI BENCHY
Advertise here
#64

Grok 4.20

X AI रिलीज़: 2026-03-31 परीक्षण किया गया: 2026-06-04 14:17 x-ai/grok-4.20::medium
~1T कुल (~100B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Grok 4.20 AI BENCHY पर 7.1 स्कोर करता है और #64 पर है। इसकी reliability 10.0, pass rate 63.5%, कुल लागत $0.609, और औसत response time 27.68s है।

Grok 4.20 को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि Samanya Buddhimatta इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है।

पहचान नोट

Grok 4.20 Beta, Grok 4.20 का प्रीव्यू संस्करण था।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~1T कुल (~100B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.1

संगति

8.8

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.609 ↓ -38.9%

परीक्षण के समय: $0.998

कुल आउटपुट टोकन

221,343

कुल इनपुट टोकन

44,433

इनपुट कीमत

$1.250 / 1M

आउटपुट कीमत

$2.500 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 63.5%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

27.68s

प्रतिक्रिया समय (अधिकतम): 199.66s

प्रतिक्रिया समय (कुल): 581.26s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 2 अतिरिक्त फॉर्मेटिंग: 1

Hamster playing table tennis

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

#64 xAI: Grok 4.20

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

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 02:57 दोबारा परीक्षण 7.0 10.0 $0.805 ↓ तुलना करें
2026-07-16 23:07 नया टेस्ट जोड़ा गया 7.1 10.0 $0.777 ↓ तुलना करें
2026-06-04 14:17 नया टेस्ट जोड़ा गया 7.1 10.0 $0.609 ↓ वर्तमान रन
2026-05-22 00:32 सूट बदला गया 6.7 10.0 $0.832 तुलना करें
2026-05-08 15:32 सूट बदला गया 6.9 10.0 $0.756 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 7.0 लागू नहीं $0.743 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 14:42 $1.250 / 1M $2.500 / 1M

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Grok 4.20mediumvsMercury 2mediumGrok 4.20mediumvsSeed-2.0-MinimediumGrok 4.20mediumvsGPT-5.5noneGrok 4.20mediumvsKimi K2.5mediumGrok 4.20mediumvsGLM 5.1mediumGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsQwen3.7 FlashmediumGrok 4.20mediumvsGPT-5.6 SolnoneGrok 4.20mediumvsSeed-2.0-Codehigh

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.2 7.9
कोडिंग 6.3 6.6
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 3.9 2.6
निर्देश पालन 9.8 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल