#81 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
Releasedatum: 2026-03-12
Getest op: 2026-05-06 14:16
x-ai/grok-4.20-multi-agent-beta::medium
Samenvatting
Grok 4.20 Multi Agent Beta scoort 6.6 op AI BENCHY en staat op #81. Het model heeft n.v.t. betrouwbaarheid, een slagingspercentage van 63.0%, $5.074 totale kosten en 9.80s gemiddelde responstijd.
Wat Grok 4.20 Multi Agent Beta uniek maakt: Het valt het meest op in Programmeren, waar het #1 staat, terwijl Toolaanroepen het zwakste gebied is met #11. Het gebruikt ongewoon veel redeneertokens, wat tragere of duurdere runs kan verklaren.
Gearchiveerd model: dit model wordt niet langer bijgewerkt of getest op nieuwe tests.
6.6
Consistentie
7.4
n.v.t.
Totaal aantal uitvoer-tokens
608,704
Totaal aantal invoer-tokens
0
Invoerprijs
$0.000 / 1M
Uitvoerprijs
$0.000 / 1M
Instabiele tests
6
Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Rungeschiedenis
| Getest op | Score | Betrouwbaarheid | Correcte tests | Totale kosten | Vergelijken |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Hertest | 6.6 | n.v.t. | $5.599 ↑ | Vergelijken | |
| 2026-05-06 14:16 Hertest | 6.6 | n.v.t. | $5.074 | Huidige run | |
| 2026-05-06 14:16 Suite gewijzigd | 6.6 | n.v.t. | $5.074 | Vergelijken | |
| 2026-04-11 01:19 Eerste geregistreerde run | 6.4 | n.v.t. | $5.074 | Vergelijken |
Runvergelijking
| Run | Score | Consistentie | Betrouwbaarheid | Correcte tests | Instabiele tests | Totaal aantal uitvoer-tokens | Totaal aantal invoer-tokens | Totale kosten | Responstijd (gem.) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · Hertest | 6.6 | 7.4 | n.v.t. | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-04-11 01:19 · Eerste geregistreerde run | 6.4 | 7.4 | n.v.t. | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Verschil | +0.2 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
Deze twee runs gebruikten verschillende benchmarksets, dus de verschillen weerspiegelen zowel modelveranderingen als suitewijzigingen.
Grafieken
Kies eerst het eerste model en klik daarna op een tweede model om een zij-aan-zijpagina te openen.
Topmodellen op score
Score vs Totale kosten
Responstijd (gem.)
Score vs Responstijd (gem.)
Totaal aantal uitvoer-tokens
Score vs Totaal aantal uitvoer-tokens
Snelle vergelijking
Categorie-uitsplitsing
| Categorie | Score | Consistentie | Correcte tests |
|---|---|---|---|
| Anti-AI-trucs | 6.9 | 5.8 | |
| Programmeren | 10.0 | 10.0 | |
| Gecombineerd | 3.0 | 10.0 | |
| Gegevensparsering en extractie | 10.0 | 10.0 | |
| Domeinspecifiek | 2.9 | 7.2 | |
| Algemene intelligentie | 5.8 | 2.8 | |
| Instructies opvolgen | 9.8 | 10.0 | |
| Puzzeloplossing | 7.2 | 5.1 | |
| Toolaanroepen | 3.0 | 10.0 |