AI BENCHY
Advertise here
#71

Grok 4.20

X AI Releasedatum: 2026-03-31 Getest op: 2026-07-16 23:07 x-ai/grok-4.20::medium
~1T totaal (~100B actief)MoEGesloten broncodeGeschat
(medium) (none)

Samenvatting

Grok 4.20 scoort 7.1 op AI BENCHY en staat op #71. Het model heeft 10.0 betrouwbaarheid, een slagingspercentage van 63.6%, $0.777 totale kosten en 29.47s gemiddelde responstijd.

Wat Grok 4.20 uniek maakt: Het valt het meest op in Domeinspecifiek, waar het #1 staat, terwijl Algemene intelligentie het zwakste gebied is met #17.

Identiteitsnotitie

Grok 4.20 Beta was de previewversie van Grok 4.20.

Modelgegevens

Onderzocht op 2026-08-12

Geschat
Parameters
~1T totaal (~100B actief)
Architectuur
MoE
Beschikbaarheid
Gesloten broncode
Licentie
-

Beste schatting op basis van openbare informatie; de leverancier heeft niet alle waarden bekendgemaakt.

Bron voor parameters Bron voor beschikbaarheid

Score

7.1

Consistentie

8.5

Betrouwbaarheid

10.0

Totale kosten (huidige prijs)

$0.777 ↓ -33.3%

Getest tegen: $1.165

Totaal aantal uitvoer-tokens

259,340

Totaal aantal invoer-tokens

102,791

Invoerprijs

$1.250 / 1M

Uitvoerprijs

$2.500 / 1M

Correcte tests

Foute tests: 10

Slaagpercentage per poging: 63.6%

Instabiele tests

4

Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).

Responstijd (gem.)

29.47s

Responstijd (max): 199.66s

Responstijd (totaal): 648.35s

Verkeerd antwoord: 6 Instructies niet gevolgd: 2 Extra opmaak: 1 Ongeldige toolaanroep: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#71 xAI: Grok 4.20

medium
Kosten
$0.041
Tijd
110.3s
Tokens
16,336 tok

Rungeschiedenis

Getest op Score Betrouwbaarheid Correcte tests Totale kosten Vergelijken
2026-08-14 02:57 Hertest 7.0 10.0 $0.805 ↓ Vergelijken
2026-07-16 23:07 Nieuwe test toegevoegd 7.1 10.0 $0.777 ↓ Huidige run
2026-06-04 14:17 Nieuwe test toegevoegd 7.1 10.0 $0.609 ↓ Vergelijken
2026-05-22 00:32 Suite gewijzigd 6.7 10.0 $0.832 Vergelijken
2026-05-08 15:32 Suite gewijzigd 6.9 10.0 $0.756 Vergelijken
2026-04-11 01:44 Eerste geregistreerde run 7.0 n.v.t. $0.743 Vergelijken

Deze run gebruikte een andere benchmarkset. Houd rekening met suitewijzigingen bij het lezen van historische verschuivingen.

Runvergelijking

RunBenchmarkdekkingScoreConsistentieBetrouwbaarheidCorrecte testsInstabiele testsTotaal aantal uitvoer-tokensTotaal aantal invoer-tokensTotale kostenResponstijd (gem.)
2026-07-16 23:07 · Nieuwe test toegevoegd66/66 pogingen7.18.510.012/224259,340102,791$0.77729.47s
2026-06-04 14:17 · Nieuwe test toegevoegd63/63 pogingen7.18.810.012/213221,34344,433$0.60927.68s
Verschil—0.0-0.30.00+1+37997+58358+$0.168+1791ms

De benchmarkdekking verschilt: 66/66 pogingen (Doel: 3 herhalingen per test) tegenover 63/63 pogingen (Doel: 3 herhalingen per test). Totalen en herhalingsgevoelige statistieken zijn niet direct vergelijkbaar.

Deze twee runs gebruikten verschillende benchmarksets, dus de verschillen weerspiegelen zowel modelveranderingen als suitewijzigingen.

Prijsgeschiedenis

Historische prijsgegevens voor dit model van OpenRouter.

Datum Invoerprijs Uitvoerprijs
2026-06-04 15:40 $1.250 / 1M $2.500 / 1M

Grafieken

Kies eerst het eerste model en klik daarna op een tweede model om een zij-aan-zijpagina te openen.

Totaal aantal uitvoer-tokens

Score vs Totaal aantal uitvoer-tokens

Snelle vergelijking

Grok 4.20mediumvsMercury 2mediumGrok 4.20mediumvsSeed-2.0-MinimediumGrok 4.20mediumvsGPT-5.5noneGrok 4.20mediumvsKimi K2.5mediumGrok 4.20mediumvsGLM 5.1mediumGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsQwen3.7 FlashmediumGrok 4.20mediumvsGPT-5.6 SolnoneGrok 4.20mediumvsSeed-2.0-Codehigh

Categorie-uitsplitsing

Categorie Score Consistentie Correcte tests
Anti-AI-trucs 8.2 7.9
Programmeren 6.3 6.6
Gecombineerd 8.7 6.9
Gegevensparsering en extractie 10.0 10.0
Domeinspecifiek 5.3 10.0
Algemene intelligentie 3.9 2.6
Instructies opvolgen 9.8 10.0
Puzzeloplossing 7.7 10.0
Toolaanroepen 3.0 10.0
Algemene kennis 3.0 10.0

Vergeleken modellen