#77 xAI: Grok 4.20
medium- Biaya
- $0.041
- Waktu
- 110.3s
- Token
- 16,336 tok
X AI
Rilis: 2026-03-31
Diuji pada: 2026-05-22 00:32
x-ai/grok-4.20::medium
~1T total (~100B aktif)MoETertutupPerkiraan
(medium)
(none)
Ringkasan
Grok 4.20 mendapat skor 6.7 di AI BENCHY dan berada di peringkat #77. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 61.7%, total biaya $0.832, dan waktu respons rata-rata 19.09s.
Yang membuat Grok 4.20 unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #2, sementara Pemrograman adalah area terlemahnya di #17.
Catatan identitas
Grok 4.20 Beta adalah versi pratinjau dari Grok 4.20.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~1T total (~100B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
6.7
Konsistensi
8.0
10.0
$0.832
Total token output
158,105
Total token input
0
Harga input
$1.250 / 1M
Harga output
$2.500 / 1M
Tes tidak stabil
5
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:57 Uji ulang | 7.0 | 10.0 | $0.805 ↓ | Bandingkan | |
| 2026-07-16 23:07 Tes baru ditambahkan | 7.1 | 10.0 | $0.777 ↓ | Bandingkan | |
| 2026-06-04 14:17 Tes baru ditambahkan | 7.1 | 10.0 | $0.609 ↓ | Bandingkan | |
| 2026-05-22 00:32 Suite berubah | 6.7 | 10.0 | $0.832 | Run saat ini | |
| 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 | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:32 · Suite berubah | 60/60 percobaan | 6.7 | 8.0 | 10.0 | 10/20 | 5 | 158,105 | 0 | $0.832 | 19.09s |
| 2026-08-14 02:57 · Uji ulang | 66/66 percobaan | 7.0 | 8.2 | 10.0 | 11/22 | 5 | 270,259 | 102,986 | $0.805 | 32.56s |
| Selisih | — | -0.3 | -0.2 | 0.0 | -1 | 0 | -112154 | -102986 | +$0.028 | -13469ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
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
Grok 4.20mediumvsMercury 2mediumGrok 4.20mediumvsSeed-2.0-MinimediumGrok 4.20mediumvsGPT-5.5noneGrok 4.20mediumvsKimi K2.5mediumGrok 4.20mediumvsGLM 5.1mediumGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsQwen3.7 FlashmediumGrok 4.20mediumvsGPT-5.6 SolnoneGrok 4.20mediumvsSeed-2.0-Codehigh
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 8.2 | 7.9 | |
| Pemrograman | 4.1 | 1.8 | |
| 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 | 7.3 | 6.0 | |
| Pemecahan teka-teki | 7.7 | 10.0 | |
| Pemanggilan alat | 3.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |