#414 Grok 4.20 Beta
default
अवैध SVG
- खर्च
- $0.004
- वेळ
- 8.5s
- टोकन्स
- 1,672 tok
X AI
प्रकाशन: 2026-03-12
चाचणी तारीख: 2026-05-06 14:15
x-ai/grok-4.20-beta::none
~1T एकूण (~100B सक्रिय)MoEबंद स्रोतअंदाजित
(medium)
(default)
सारांश
Grok 4.20 Beta AI BENCHY वर 3.6 स्कोर करते आणि #414 वर आहे. याची reliability लागू नाही, pass rate 29.0%, एकूण खर्च $0.087, आणि सरासरी response time 1.19s आहे.
Grok 4.20 Beta खास का आहे: हे डेटा पार्सिंग आणि निष्कर्षण मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर स्वायत्त एजंट कार्ये हा सर्वात कमकुवत भाग आहे, rank #9.
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.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- ~1T एकूण (~100B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- परवाना
- -
सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.
3.6
सुसंगतता
7.6
लागू नाही
एकूण आउटपुट टोकन्स
1,657
एकूण इनपुट टोकन्स
40,597
इनपुट किंमत
$2.041 / 1M
आउटपुट किंमत
$2.041 / 1M
कॅश वाचण्याची किंमत
लागू नाही
कॅश लिहिण्याची किंमत
लागू नाही
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.
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 | 3.6 | लागू नाही | $0.087 ↓ | सध्याची रन | |
| 2026-05-06 14:15 पुन्हा चाचणी | 4.4 | लागू नाही | $0.087 ↓ | तुलना करा | |
| 2026-05-06 14:15 पुन्हा चाचणी | 5.8 | लागू नाही | $0.087 ↓ | तुलना करा | |
| 2026-05-06 14:15 पुन्हा चाचणी | 5.5 | लागू नाही | $0.091 | तुलना करा | |
| 2026-05-06 14:15 पुन्हा चाचणी | 5.5 | लागू नाही | $0.091 | तुलना करा | |
| 2026-05-06 14:15 सूट बदलला | 5.5 | लागू नाही | $0.091 | तुलना करा | |
| 2026-04-11 01:19 पहिली नोंदलेली रन | 5.3 | लागू नाही | $0.091 | तुलना करा |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:15 · सध्याची रन | 52/69 प्रयत्न | 3.6 | 7.6 | लागू नाही | 6/18 | 1 | 1,657 | 40,597 | $0.087 | 1.19s |
| 2026-04-11 01:19 · पहिली नोंदलेली रन | 52/54 प्रयत्न | 5.3 | 9.2 | लागू नाही | 4/18 | 2 | 1,591 | 0 | $0.091 | 1.19s |
| फरक | — | -1.7 | -1.6 | +2 | -1 | +66 | +40597 | -$0.004 | +3ms |
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 | कॅश वाचण्याची किंमत | कॅश लिहिण्याची किंमत |
|---|---|---|---|---|
| 2026-06-04 15:40 | $2.041 / 1M | $2.041 / 1M | लागू नाही | लागू नाही |
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 |
|---|---|---|---|
| स्वायत्त एजंट कार्ये | 0.0 | 0.0 | |
| अँटी-एआय युक्त्या | 4.0 | 8.4 | |
| कोडिंग | 1.8 | 3.3 | |
| संयुक्त | 1.5 | 5.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 5.0 | 10.0 | |
| सूचनांचे पालन | 6.3 | 10.0 | |
| कोडी सोडवणे | 7.7 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 0.0 | 0.0 |