#116 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 5.5 स्कोर करते आणि #116 वर आहे. याची reliability लागू नाही, pass rate 35.2%, एकूण खर्च $0.091, आणि सरासरी response time 1.19s आहे.
Grok 4.20 Beta खास का आहे: समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान 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.
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.
5.5
सुसंगतता
9.2
लागू नाही
$0.091
एकूण आउटपुट टोकन्स
1,591
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.000 / 1M
आउटपुट किंमत
$0.000 / 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
2
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 | 4.4 | लागू नाही | $0.087 ↓ | तुलना करा | |
| 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 | सध्याची रन | |
| 2026-04-11 01:19 पहिली नोंदलेली रन | 5.3 | लागू नाही | $0.091 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
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 · सूट बदलला | 52/54 प्रयत्न | 5.5 | 9.2 | लागू नाही | 5/18 | 2 | 1,591 | 0 | $0.091 | 1.19s |
| 2026-05-06 14:15 · पुन्हा चाचणी | 52/54 प्रयत्न | 5.8 | 9.6 | लागू नाही | 6/18 | 1 | 1,657 | 40,597 | $0.087 | 1.19s |
| फरक | — | -0.3 | -0.4 | -1 | +1 | -66 | -40597 | +$0.004 | -3ms |
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 | 4.0 | 8.4 | |
| कोडिंग | 5.5 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| 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 | 5.9 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |