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

xAI: Grok 4.20 vs xAI: Grok 4.3

Ringkasan

Perbandingan benchmark Grok 4.20 vs Grok 4.3: Grok 4.3 unggul dalam skor rata-rata dengan 7.7 vs 7.3. Grok 4.20 memiliki biaya benchmark lebih rendah di $0.609 vs $0.614. Grok 4.20 lebih cepat di 27.68s vs 47.51s, dengan tingkat keberhasilan 63.5% vs 71.4%.

Model yang direkomendasikan: Grok 4.20 - Its score stays close to the best score here (7.3 vs 7.7), while responding about 1.7x faster than Grok 4.3.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik Grok 4.20 Grok 4.20 medium Rilis: 2026-03-31 Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01
Skor 7.3 7.7
Peringkat #53 #37
Keandalan 10.0 10.0
Konsistensi 8.8 8.5
Tes benar
Tingkat lulus per percobaan 63.5% 71.4%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 8.309 4.724
Total Biaya $0.609 $0.614
Harga input $1.250 / 1M $1.250 / 1M
Harga output $2.500 / 1M $2.500 / 1M
Total token input 44,433 44,472
Token output 1,819 1,981
Token penalaran 219,524 221,382
Waktu respons (rata-rata) 27.68s 47.51s
Waktu respons (maks) 199.66s 216.69s
Waktu respons (total) 581.26s 997.68s

Showcase generasi

Hamster playing table tennis

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

#53 xAI: Grok 4.20

medium
Biaya
$0.041
Waktu
110.3s
Token
16,336 tok

#37 xAI: Grok 4.3

medium
Biaya
$0.009
Waktu
19.0s
Token
3,661 tok

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 input Token output Token penalaran
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

Perbandingan Cepat

Ganti Pasangan Perbandingan

Step 3.7 FlashlowvsGrok 4.3mediumGemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.3mediumClaude Opus 4.8nonevsGrok 4.20mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGPT-5.3 ChatnonevsGrok 4.3mediumGrok 4.20mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.20medium