#81 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
Ringkasan
Grok 4.20 Multi Agent Beta mendapat skor 6.6 di AI BENCHY dan berada di peringkat #81. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 63.0%, total biaya $5.074, dan waktu respons rata-rata 9.80s.
Yang membuat Grok 4.20 Multi Agent Beta unik: Model ini paling menonjol di Pemrograman, dengan peringkat #1, sementara Gabungan adalah area terlemahnya di #17. 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.
6.6
Konsistensi
7.4
T/A
$5.074
Total token output
608,704
Total token input
0
Harga input
$0.000 / 1M
Harga output
$0.000 / 1M
Tes tidak stabil
6
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 | 6.6 | T/A | $5.599 ↑ | Bandingkan | |
| 2026-05-06 14:16 Uji ulang | 6.6 | T/A | $5.074 | Run saat ini | |
| 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 | 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 | 6.6 | 7.4 | T/A | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-05-06 14:16 · Suite berubah | 6.6 | 7.4 | T/A | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Selisih | 0.0 | 0.0 | 0 | 0 | 0 | 0 | $0.000 | 0ms |
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 | 7.2 | 5.1 | |
| Pemanggilan alat | 3.0 | 10.0 |