#89 xAI: Grok 4.20
none- खर्च
- $0.004
- वेळ
- 6.5s
- टोकन्स
- 1,367 tok
X AI
प्रकाशन: 2026-03-31
चाचणी तारीख: 2026-04-11 01:44
x-ai/grok-4.20::none
~1T एकूण (~100B सक्रिय)MoEबंद स्रोतअंदाजित
(medium)
(none)
सारांश
Grok 4.20 AI BENCHY वर 5.2 स्कोर करते आणि #89 वर आहे. याची reliability लागू नाही, pass rate 29.6%, एकूण खर्च $0.095, आणि सरासरी response time 1.11s आहे.
Grok 4.20 खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
ओळख नोंद
Grok 4.20 Beta हे 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.
5.2
सुसंगतता
9.5
लागू नाही
$0.095
एकूण आउटपुट टोकन्स
1,967
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$2.000 / 1M
आउटपुट किंमत
$6.000 / 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 14:16 पुन्हा चाचणी | 4.1 | लागू नाही | $0.057 ↓ | तुलना करा | |
| 2026-05-06 14:16 पुन्हा चाचणी | 4.1 | लागू नाही | $0.057 ↓ | 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 | तुलना करा | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 5.2 | लागू नाही | $0.095 | सध्याची रन |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · पहिली नोंदलेली रन | 54/54 प्रयत्न | 5.2 | 9.5 | लागू नाही | 5/18 | 1 | 1,967 | 0 | $0.095 | 1.11s |
| 2026-05-06 14:16 · पुन्हा चाचणी | 54/54 प्रयत्न | 4.1 | 8.1 | लागू नाही | 6/18 | 0 | 1,923 | 41,313 | $0.057 | 1.11s |
| फरक | — | +1.1 | +1.4 | -1 | +1 | +44 | -41313 | +$0.038 | +4ms |
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 4.20nonevsGLM 4.7 FlashmediumGrok 4.20nonevsLing 3.0 TinynoneGrok 4.20nonevsLaguna S 2.1noneमोफत उपलब्धGrok 4.20nonevsGranite 4.1 8BnoneGrok 4.20nonevsMiniMax M2.5mediumGrok 4.20nonevsNemotron 3.5 Lightningnoneमोफत उपलब्धGrok 4.20nonevsQwen3 Coder NextmediumGrok 4.20nonevsLing 3.0 TinyhighGrok 4.20nonevsMercury 2noneGrok 4.20nonevsLing 3.0 Tinylow
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 | 4.8 | 10.0 | |
| कोडी सोडवणे | 5.3 | 7.4 | |
| टूल कॉलिंग | 10.0 | 10.0 |