#119 xAI: Grok 4.20
none- खर्च
- $0.004
- वेळ
- 6.5s
- टोकन्स
- 1,367 tok
सारांश
Grok 4.20 AI BENCHY वर 5.4 स्कोर करते आणि #119 वर आहे. याची reliability लागू नाही, pass rate 35.2%, एकूण खर्च $0.095, आणि सरासरी response time 1.11s आहे.
Grok 4.20 खास का आहे: हे अँटी-एआय युक्त्या मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #3 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #11. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
ओळख नोंद
Grok 4.20 Beta हे Grok 4.20 ची प्रीव्ह्यू आवृत्ती होती.
5.4
सुसंगतता
9.5
लागू नाही
$0.095
एकूण आउटपुट टोकन्स
1,967
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$1.250 / 1M
आउटपुट किंमत
$2.500 / 1M
अस्थिर चाचण्या
1
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
जनरेशन शोकेस
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 14:16 पुन्हा चाचणी | 5.4 | लागू नाही | $0.057 ↓ | तुलना करा | |
| 2026-05-06 14:16 पुन्हा चाचणी | 5.4 | लागू नाही | $0.095 | तुलना करा | |
| 2026-05-06 14:16 पुन्हा चाचणी | 5.4 | लागू नाही | $0.095 | तुलना करा | |
| 2026-05-06 14:16 सूट बदलला | 5.4 | लागू नाही | $0.095 | सध्याची रन | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 5.2 | लागू नाही | $0.095 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · सूट बदलला | 5.4 | 9.5 | लागू नाही | 6/18 | 1 | 1,967 | 0 | $0.095 | 1.11s |
| 2026-04-11 01:44 · पहिली नोंदलेली रन | 5.2 | 9.5 | लागू नाही | 5/18 | 1 | 1,967 | 0 | $0.095 | 1.11s |
| फरक | +0.2 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
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
झटपट तुलना
Grok 4.20nonevsQwen3.5-122B-A10BnoneGrok 4.20nonevsMiniMax M2.7mediumGrok 4.20nonevsGPT-5.4 MininoneGrok 4.20nonevsQwen3.6 35B A3BnoneGrok 4.20nonevsLaguna XS 2.1noneमोफत उपलब्धGrok 4.20nonevsMistral Small 4noneGrok 4.20nonevsGemini 3.5 FlashhighGrok 4.20nonevsGemini 3 Flash PreviewmediumGrok 4.20nonevsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धGrok 4.20nonevsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 4.8 | 10.0 | |
| कोडिंग | 3.4 | 9.3 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.8 | 10.0 | |
| सूचनांचे पालन | 6.3 | 10.0 | |
| कोडी सोडवणे | 5.3 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |