Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Model yang Dibandingkan

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-26

Metrik Grok 4.20 Beta Grok 4.20 Beta medium Rilis: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium Rilis: 2025-11-19 Hunter Alpha Hunter Alpha medium Rilis: 2026-03-11
Skor 8.5 6.5 6.7
Peringkat #14 #88 #76
Keandalan T/A 10.0 T/A
Konsistensi 9.5 7.3 7.4
Tes benar
Tingkat lulus per percobaan 81.5% 61.4% 64.8%
Tes tidak stabil 1 6 6
Total Run 52 57 52
Biaya per hasil 4.505 0.642 0.000
Total Biaya $0.631 $0.058 $0.000
Harga input $0.000 / 1M $0.000 / 1M $0.000 / 1M
Harga output $0.000 / 1M $0.000 / 1M $0.000 / 1M
Token output 1,647 2,006 4,682
Token penalaran 91,565 96,334 17,969
Waktu respons (rata-rata) 9.75s 23.85s 10.33s
Waktu respons (maks) 31.36s 121.79s 30.53s
Waktu respons (total) 175.48s 286.16s 175.58s

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
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Hunter Alpha 7.3 5.8 83.3% 2 4.75s 479 1,103
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 81 3,987
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Hunter Alpha 3.0 10.0 0.0% 0 0ms 0 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Hunter Alpha 4.7 1.6 66.7% 1 30.53s 792 3,456
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Hunter Alpha 10.0 10.0 100.0% 0 23.16s 1,488 8,017
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Hunter Alpha 3.0 10.0 0.0% 0 10.52s 892 2,406
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Hunter Alpha 7.0 3.7 66.7% 1 6.44s 116 260
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 57 7,123
Grok 4.1 Fast 6.5 10.0 50.0% 0 4.63s 54 3,326
Hunter Alpha 9.9 10.0 100.0% 0 4.18s 208 465
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 328 6,300
Grok 4.1 Fast 5.3 7.2 44.4% 1 7.40s 169 5,904
Hunter Alpha 6.1 4.7 66.7% 2 5.35s 399 1,358
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Hunter Alpha 10.0 10.0 100.0% 0 17.33s 308 904
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta - - - - - - - -
Grok 4.1 Fast 3.0 10.0 0.0% 0 25.52s 15 5,381
Hunter Alpha - - - - - - - -

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.7mediumvsGPT-5.5lowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsGrok Build 0.1mediumDeepSeek V4 FlashhighTersedia gratisvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3.1 Flash LitelowvsGLM 5.1mediumgpt-oss-120bmediumTersedia gratisvsQwen3.5-FlashnoneQwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsQwen3.6 Flashmedium