AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#118

Grok 4.20

X AI रिलीज़: 2026-03-31 परीक्षण किया गया: 2026-05-06 14:16 x-ai/grok-4.20::none
~1T कुल (~100B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Grok 4.20 AI BENCHY पर 5.4 स्कोर करता है और #118 पर है। इसकी reliability लागू नहीं, pass rate 35.2%, कुल लागत $0.095, और औसत response time 1.11s है।

Grok 4.20 को अलग क्या बनाता है: यह समान मॉडलों की तुलना में काफ़ी तेज 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।

संगति

9.5

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

1,967

कुल इनपुट टोकन

0

इनपुट कीमत

$1.250 / 1M

आउटपुट कीमत

$2.500 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 35.2%

अस्थिर टेस्ट

1

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

प्रतिक्रिया समय (औसत)

1.11s

प्रतिक्रिया समय (अधिकतम): 6.04s

प्रतिक्रिया समय (कुल): 20.02s

Hamster playing table tennis

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

#118 xAI: Grok 4.20

none
लागत
$0.004
समय
6.5s
टोकन
1,367 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-05-06 14:16 दोबारा परीक्षण 4.1 लागू नहीं $0.057 ↓ तुलना करें
2026-05-06 14:16 दोबारा परीक्षण 4.1 लागू नहीं $0.057 ↓ तुलना करें
2026-05-06 14:16 दोबारा परीक्षण 5.4 लागू नहीं $0.057 ↓ तुलना करें
2026-05-06 14:16 दोबारा परीक्षण 5.4 लागू नहीं $0.095 तुलना करें
2026-05-06 14:16 दोबारा परीक्षण 5.4 लागू नहीं $0.095 वर्तमान रन
2026-05-06 14:16 सूट बदला गया 5.4 लागू नहीं $0.095 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 5.2 लागू नहीं $0.095 तुलना करें

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-05-06 14:16 · दोबारा परीक्षण54/54 प्रयास5.49.5लागू नहीं6/1811,9670$0.0951.11s
2026-05-06 14:16 · सूट बदला गया54/54 प्रयास5.49.5लागू नहीं6/1811,9670$0.0951.11s
अंतर—0.00.00000$0.0000ms

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 4.8 10.0
कोडिंग 3.4 9.3
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 4.8 10.0
निर्देश पालन 6.3 10.0
पहेली समाधान 5.3 7.2
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल