#55 xAI: Grok 4.20
medium- Biaya
- $0.041
- Waktu
- 110.3s
- Token
- 16,336 tok
Ringkasan
Grok 4.20 mendapat skor 7.3 di AI BENCHY dan berada di peringkat #55. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 63.5%, total biaya $0.609, dan waktu respons rata-rata 27.68s.
Yang membuat Grok 4.20 unik: Model ini paling menonjol di Pemrograman, dengan peringkat #1, sementara Pemanggilan alat adalah area terlemahnya di #14. Model ini memakai token reasoning yang sangat tinggi, yang bisa menjelaskan run yang lebih lambat atau lebih mahal.
Catatan identitas
Grok 4.20 Beta adalah versi pratinjau dari Grok 4.20.
7.3
Konsistensi
8.8
10.0
Total token output
221,343
Total token input
44,433
Harga input
$1.250 / 1M
Harga output
$2.500 / 1M
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Showcase generasi
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-06-04 14:17 Tes baru ditambahkan | 7.1 | 10.0 | $0.609 ↓ | Run saat ini | |
| 2026-05-22 00:32 Suite berubah | 6.7 | 10.0 | $0.832 | Bandingkan | |
| 2026-05-08 15:32 Suite berubah | 6.9 | 10.0 | $0.756 | Bandingkan | |
| 2026-04-11 01:44 Run pertama yang tercatat | 7.0 | T/A | $0.743 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 14:17 · Run saat ini | 7.3 | 8.8 | 10.0 | 12/21 | 3 | 221,343 | 44,433 | $0.609 | 27.68s |
| 2026-04-11 01:44 · Run pertama yang tercatat | 7.0 | 7.8 | T/A | 9/18 | 5 | 111,626 | 0 | $0.743 | 10.33s |
| Selisih | +0.4 | +1.0 | +3 | -2 | +109717 | +44433 | -$0.134 | +17353ms |
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output |
|---|---|---|
| 2026-06-04 15:40 | $1.250 / 1M | $2.500 / 1M |
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 8.2 | 7.9 | |
| Pemrograman | 6.3 | 6.6 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 3.9 | 2.6 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 7.7 | 10.0 | |
| Pemanggilan alat | 3.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |