नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Decider V1.2 (default) vs Grok 4.20

Grok 4.20 average score मध्ये पुढे आहे: 3.4 vs 2.6. Decider V1.2 (default) चा benchmark खर्च कमी आहे: $0.001 vs $0.057. Decider V1.2 (default) वेगवान आहे: 517ms vs 1.11s, pass rates 24.6% vs 26.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-17

तुलना केलेली मॉडेल्स

क्रमांक
#424
एकूण आउटपुट टोकन्स
67
प्रतिसाद वेळ (सरासरी)
517ms
एकूण खर्च
$0.001
क्रमांक
#407
एकूण आउटपुट टोकन्स
1,923
प्रतिसाद वेळ (सरासरी)
1.11s
एकूण खर्च
$0.057
शिफारस केलेले मॉडेल Grok 4.20

या तुलनेत याचा गुण सर्वाधिक आहे (3.4) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक Decider V1.2 Decider V1.2 default प्रकाशन: 2026-10-17 Grok 4.20 Grok 4.20 none प्रकाशन: 2026-03-31
स्कोअर 2.6 3.4
क्रमांक #424 #407
विश्वसनीयता 9.4 लागू नाही
सुसंगतता 4.9 7.8
प्रयत्न 36/69 54/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 24.6% 26.1%
अस्थिर चाचण्या 1 0
एकूण रन 36 54
प्रति निकाल खर्च 0.020 1.570
एकूण खर्च $0.001 $0.057
इनपुट किंमत $0.020 / 1M $1.250 / 1M
आउटपुट किंमत $0.000 / 1M $2.500 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.200 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 48,363 41,313
आउटपुट टोकन्स 67 1,923
रिझनिंग टोकन्स 0 0
प्रतिसाद वेळ (सरासरी) 517ms 1.11s
प्रतिसाद वेळ (कमाल) 776ms 6.04s
प्रतिसाद वेळ (एकूण) 6.20s 19.96s
पॅरामीटर्स 27B ~1T एकूण (~100B सक्रिय)
उपलब्धता मुक्त स्रोत बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#424 Decider V1.2

default
या मॉडेलसाठी अद्याप कोणताही शोकेस निकाल तयार झालेला नाही.
खर्च
लागू नाही
वेळ
-
टोकन्स
0 tok

#407 xAI: Grok 4.20

none
खर्च
$0.004
वेळ
6.5s
टोकन्स
1,367 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Decider V1.2 4.5 6.7 33.3% 0 572ms 24,009 12 0
Grok 4.20 1.1 3.1 0.0% 0 1.22s 1,074 312 0

तुलना जोडी बदला

Command A+mediumvsGrok 4.20noneCommand A+highvsGrok 4.20noneLing 3.0 TinymediumvsGrok 4.20noneLing 3.0 TinylowvsGrok 4.20noneLing 3.0 TinyhighvsGrok 4.20noneGrok 4.20nonevsXing4.0 29b A4bmediumमोफत उपलब्धCommand A+lowvsDecider V1.2defaultCommand A+lowvsGrok 4.20noneCommand A+nonevsDecider V1.2defaultGranite 4.1 8bdefaultvsGrok 4.20noneLing 3.0 TinydefaultvsGrok 4.20noneCommand A+highvsDecider V1.2default