AI BENCHY
Advertise here
#160

Grok 4.20

X AI रिलीज़: 2026-03-31 परीक्षण किया गया: 2026-05-06 14:16 x-ai/grok-4.20::none
(medium) (none)

सारांश

Grok 4.20 AI BENCHY पर 4.4 स्कोर करता है और #160 पर है। इसकी reliability लागू नहीं, pass rate 28.6%, कुल लागत $0.057, और औसत response time 1.11s है।

Grok 4.20 को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

पहचान नोट

Grok 4.20 Beta, Grok 4.20 का प्रीव्यू संस्करण था।

स्कोर

4.4

संगति

8.5

विश्वसनीयता

लागू नहीं

कुल लागत (वर्तमान कीमत)

$0.057 ↓ -40.1%

परीक्षण के समय: $0.095

कुल आउटपुट टोकन

1,923

कुल इनपुट टोकन

41,313

इनपुट कीमत

$1.250 / 1M

आउटपुट कीमत

$2.500 / 1M

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 28.6%

अस्थिर टेस्ट

0

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): 19.96s

गलत उत्तर: 10 अतिरिक्त फॉर्मेटिंग: 1 अमान्य टूल कॉल: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#160 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 5.4 लागू नहीं $0.057 ↓ वर्तमान रन
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 तुलना करें
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

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-05-06 14:16 · वर्तमान रन4.48.5लागू नहीं6/1801,92341,313$0.0571.11s
2026-05-06 14:16 · दोबारा परीक्षण5.49.5लागू नहीं6/1811,9670$0.0951.11s
अंतर-1.0-1.00-1-44+41313-$0.038-4ms

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 15:40 $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 4.20nonevsQwen3.5-122B-A10BnoneGrok 4.20nonevsMiniMax M2.7mediumGrok 4.20nonevsGPT-5.4 MininoneGrok 4.20nonevsQwen3.6 35B A3BnoneGrok 4.20nonevsLaguna XS 2.1noneनिःशुल्क उपलब्धGrok 4.20nonevsMistral Small 4noneGrok 4.20nonevsGemini 3.5 FlashhighGrok 4.20nonevsGemini 3 Flash PreviewmediumGrok 4.20nonevsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धGrok 4.20nonevsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 4.8 10.0
कोडिंग 1.1 3.1
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 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 0.0 0.0

तुलना किए गए मॉडल