#83 Grok 4.20 Multi Agent Beta
medium- Biaya
- $0.261
- Waktu
- 123.4s
- Token
- 199,344 tok
X AI
Rilis: 2026-03-12
Diuji pada: 2026-05-06 14:16
x-ai/grok-4.20-multi-agent-beta::medium
~1T total (~100B aktif)MoETertutupPerkiraan Ringkasan
Grok 4.20 Multi Agent Beta mendapat skor 6.6 di AI BENCHY dan berada di peringkat #83. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 59.3%, total biaya $5.599, dan waktu respons rata-rata 9.69s.
Yang membuat Grok 4.20 Multi Agent Beta unik: Model ini paling menonjol di Pemrograman, dengan peringkat #1, sementara Gabungan adalah area terlemahnya di #18. Model ini memakai token reasoning yang sangat tinggi, yang bisa menjelaskan run yang lebih lambat atau lebih mahal.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
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.
6.6
Konsistensi
7.9
T/A
Total token output
600,042
Total token input
721,952
Harga input
$4.235 / 1M
Harga output
$4.235 / 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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Uji ulang | 4.8 | T/A | $5.599 ↑ | Bandingkan | |
| 2026-05-06 14:16 Uji ulang | 4.8 | T/A | $5.599 ↑ | Bandingkan | |
| 2026-05-06 14:16 Uji ulang | 6.6 | T/A | $5.599 ↑ | Run saat ini | |
| 2026-05-06 14:16 Uji ulang | 6.6 | T/A | $5.074 | Bandingkan | |
| 2026-05-06 14:16 Suite berubah | 6.6 | T/A | $5.074 | Bandingkan | |
| 2026-04-11 01:19 Run pertama yang tercatat | 6.4 | T/A | $5.074 | Bandingkan |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · Uji ulang | 52/54 percobaan | 6.6 | 7.9 | T/A | 8/18 | 5 | 600,042 | 721,952 | $5.599 | 9.69s |
| 2026-04-11 01:19 · Run pertama yang tercatat | 52/54 percobaan | 6.4 | 7.4 | T/A | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Selisih | — | +0.1 | +0.5 | +1 | -1 | -8662 | +721952 | +$0.526 | -105ms |
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 14:42 | $4.235 / 1M | $4.235 / 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
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.9 | 5.8 | |
| Pemrograman | 10.0 | 10.0 | |
| Gabungan | 3.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 2.9 | 7.2 | |
| Kecerdasan umum | 5.8 | 2.8 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 6.7 | 7.9 | |
| Pemanggilan alat | 3.0 | 10.0 |