AI BENCHY
Advertise here
#29

Grok 4.20 Beta

X AI Rilis: 2026-03-12 Diuji pada: 2026-04-11 01:19 x-ai/grok-4.20-beta::medium
(medium) (none)

Ringkasan

Grok 4.20 Beta mendapat skor 8.0 di AI BENCHY dan berada di peringkat #29. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 74.1%, total biaya $0.633, dan waktu respons rata-rata 9.81s.

Yang membuat Grok 4.20 Beta unik: Model ini paling menonjol di Pemrograman, dengan peringkat #1, sementara Kepatuhan instruksi adalah area terlemahnya di #15.

Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.

Catatan identitas

Grok 4.20 Beta adalah versi pratinjau dari xAI: Grok 4.20.

Skor

8.0

Konsistensi

9.1

Keandalan

T/A

Total biaya (harga saat ini)

$0.633

Total token output

93,477

Total token input

0

Harga input

$0.000 / 1M

Harga output

$0.000 / 1M

Tes benar

Tes Salah: 6

Tingkat lulus per percobaan: 74.1%

Tes tidak stabil

2

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

9.81s

Waktu respons (maks): 31.36s

Waktu respons (total): 176.62s

Tidak mengikuti instruksi: 3 Jawaban salah: 3

Generation showcase

Hamster playing table tennis

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

#29 Grok 4.20 Beta

medium
Cost
$0.034
Time
91.0s
Tokens
13,523 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-05-06 14:15 Uji ulang 8.5 T/A $0.750 ↑ Bandingkan
2026-05-06 14:15 Uji ulang 8.2 T/A $0.633 Bandingkan
2026-05-06 14:15 Uji ulang 8.2 T/A $0.633 Bandingkan
2026-05-06 14:15 Suite berubah 8.2 T/A $0.633 Bandingkan
2026-04-11 01:19 Run pertama yang tercatat 8.0 T/A $0.633 Run saat ini

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

Grok 4.20 BetamediumvsGemini 3 Flash PreviewmediumGrok 4.20 BetamediumvsGemini 3.5 FlashhighGrok 4.20 BetamediumvsNemotron 3 Ultra 550b A55bmediumTersedia gratisGrok 4.20 BetamediumvsGemini 3.5 Flashlow

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 8.7 7.9
Pemrograman 10.0 10.0
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 5.3 10.0
Kecerdasan umum 10.0 10.0
Kepatuhan instruksi 8.3 10.0
Pemecahan teka-teki 8.2 7.2
Pemanggilan alat 3.0 10.0

Model yang Dibandingkan