AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#89

Grok 4.20

X AI रिलीज़: 2026-03-31 परीक्षण किया गया: 2026-04-11 01:44 x-ai/grok-4.20::none
(medium) (none)

सारांश

Grok 4.20 AI BENCHY पर 5.2 स्कोर करता है और #89 पर है। इसकी reliability लागू नहीं, pass rate 29.6%, 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।

संगति

9.5

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

1,967

कुल इनपुट टोकन

0

इनपुट कीमत

$2.000 / 1M

आउटपुट कीमत

$6.000 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 29.6%

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

जनरेशन शोकेस

Hamster playing table tennis

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

#89 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 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 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 वर्तमान रन

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 4.8 10.0
पहेली समाधान 5.3 7.4
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल