#13 Grok 4.20 Beta
medium- खर्च
- $0.034
- वेळ
- 91.0s
- टोकन्स
- 13,523 tok
सारांश
Grok 4.20 Beta AI BENCHY वर 8.5 स्कोर करते आणि #13 वर आहे. याची reliability लागू नाही, pass rate 81.5%, एकूण खर्च $0.750, आणि सरासरी response time 9.75s आहे.
संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.
ओळख नोंद
Grok 4.20 Beta हे xAI: Grok 4.20 ची प्रीव्ह्यू आवृत्ती होती.
8.5
सुसंगतता
9.5
लागू नाही
एकूण आउटपुट टोकन्स
93,212
एकूण इनपुट टोकन्स
35,955
इनपुट किंमत
$5.805 / 1M
आउटपुट किंमत
$5.805 / 1M
अस्थिर चाचण्या
1
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-06 14:15 पुन्हा चाचणी | 6.0 | लागू नाही | $0.750 ↑ | तुलना करा | |
| 2026-05-06 14:15 पुन्हा चाचणी | 8.5 | लागू नाही | $0.750 ↑ | सध्याची रन | |
| 2026-05-06 14:15 पुन्हा चाचणी | 8.2 | लागू नाही | $0.633 | तुलना करा | |
| 2026-05-06 14:15 पुन्हा चाचणी | 8.2 | लागू नाही | $0.633 | तुलना करा | |
| 2026-05-06 14:15 सूट बदलला | 8.2 | लागू नाही | $0.633 | तुलना करा | |
| 2026-04-11 01:19 पहिली नोंदलेली रन | 8.0 | लागू नाही | $0.633 | तुलना करा |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:15 · पुन्हा चाचणी | 8.5 | 9.5 | लागू नाही | 14/18 | 1 | 93,212 | 35,955 | $0.750 | 9.75s |
| 2026-04-11 01:19 · पहिली नोंदलेली रन | 8.0 | 9.1 | लागू नाही | 12/18 | 2 | 93,477 | 0 | $0.633 | 9.81s |
| फरक | +0.5 | +0.4 | +2 | -1 | -265 | +35955 | +$0.118 | -63ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
किंमत इतिहास
OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.
| तारीख | इनपुट किंमत | आउटपुट किंमत |
|---|---|---|
| 2026-06-04 14:42 | $5.805 / 1M | $5.805 / 1M |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.7 | 7.9 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| सूचनांचे पालन | 9.8 | 10.0 | |
| कोडी सोडवणे | 10.0 | 10.0 | |
| टूल कॉलिंग | 3.0 | 10.0 |