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

AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs xAI: Grok 4.20

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-29

Metrik DeepSeek V3.2 DeepSeek V3.2 none Rilis: 2025-12-01 Grok 4.20 Grok 4.20 medium Rilis: 2026-03-31
Skor 6.2 7.0
Peringkat #97 #80
Keandalan 10.0 10.0
Konsistensi 8.3 8.4
Tes benar
Tingkat lulus per percobaan 48.3% 63.3%
Tes tidak stabil 4 4
Total Run 60 60
Biaya per hasil 0.222 7.616
Total Biaya $0.018 $0.838
Harga input $0.252 / 1M $1.250 / 1M
Harga output $0.378 / 1M $2.500 / 1M
Token output 11,159 1,816
Token penalaran 0 157,251
Waktu respons (rata-rata) 14.43s 19.08s
Waktu respons (maks) 115.89s 105.80s
Waktu respons (total) 288.55s 381.60s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 3.8 8.2 12.5% 1 9.35s 1,073 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 287 8,312
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 3.1 5.4 16.7% 1 20.87s 4,522 0
Grok 4.20 4.1 1.8 50.0% 2 65.07s 265 40,877
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 6.5 10.0 0.0% 0 115.89s 2,887 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 6.3 5.8 66.7% 1 9.42s 1,710 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 3.2 6.9 16.7% 1 4.17s 21 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 10.0 10.0 100.0% 0 9.32s 43 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 65 6,440
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 10.0 10.0 100.0% 0 1.52s 66 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 57 6,419
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 10.0 10.0 100.0% 0 6.91s 298 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 149 7,913
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 10.0 10.0 100.0% 0 11.85s 522 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
DeepSeek V3.2 3.0 10.0 0.0% 0 17.23s 17 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 9 16,442

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V4 ProhighvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V3.2nonevsGPT-5 NanomediumQwen3.6 Max PreviewnonevsGrok 4.20mediumStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V3.2nonevsNemotron 3 SupermediumTersedia gratisRing-2.6-1TnonevsGrok 4.20mediumDeepSeek V3.2nonevsgpt-oss-120bmediumTersedia gratisGemma 4 31BnoneTersedia gratisvsGrok 4.20mediumDeepSeek V3.2nonevsOwl AlphamediumClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V3.2nonevsMercury 2medium