Comparação benchmark Gemini 3 Flash Preview vs Grok 4.20 Beta: Gemini 3 Flash Preview lidera na pontuação média com 9.8 vs 5.8. Grok 4.20 Beta tem menor custo de benchmark com $0.087 vs $0.667. Grok 4.20 Beta é mais rápido com 1.19s vs 18.64s, com taxas de acerto de 98.4% vs 37.0%.
Modelo recomendado: Grok 4.20 Beta - Oferece o melhor compromisso geral: pontuação competitiva (5.8), custo menor que Gemini 3 Flash Preview e tempo de resposta equilibrado.
Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-06-10
Grok 4.20 BetaGrok 4.20 BetanoneModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.Lançamento: 2026-03-12
Pontuação
9.8Pontuação média em todos os testes de benchmark.…
5.8Pontuação média em todos os testes de benchmark.…
Posição
#1
#107
Confiabilidade
10.0Pontuação de sucesso na primeira tentativa: 10.0 significa nenhum erro reexecutável da API alvo ou de limite de taxa antes de chamadas bem-sucedidas; falhas registradas reduzem a pontuação.…
N/DPontuação de sucesso na primeira tentativa: 10.0 significa nenhum erro reexecutável da API alvo ou de limite de taxa antes de chamadas bem-sucedidas; falhas registradas reduzem a pontuação.…
Consistência
9.7A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
9.6A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
Testes corretos
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)18.64sTempo de resposta (máx.)117.26sTempo de resposta (total)391.35sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)3.88sTempo de resposta (máx.)5.73sTempo de resposta (total)15.53sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.88sTempo de resposta (médio)…
494Total de tokens de entrada…
330Tokens de saída…
3,216Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
4.0Pontuação média em todos os testes de benchmark.…
8.4A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
16.7%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 4Tempo de resposta (médio)597msTempo de resposta (máx.)866msTempo de resposta (total)2.39sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
8.6Pontuação média em todos os testes de benchmark.…
7.6A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
88.9%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)84.40sTempo de resposta (máx.)117.26sTempo de resposta (total)253.21sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
84.40sTempo de resposta (médio)…
8,122Total de tokens de entrada…
462Tokens de saída…
161,084Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.5Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
0.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)1.14sTempo de resposta (máx.)1.14sTempo de resposta (total)1.14sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)22.42sTempo de resposta (máx.)22.42sTempo de resposta (total)22.42sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
22.42sTempo de resposta (médio)…
12,873Total de tokens de entrada…
351Tokens de saída…
10,485Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
3.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
0.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Chamada de ferramenta inválida: 1Tempo de resposta (médio)6.48sTempo de resposta (máx.)6.48sTempo de resposta (total)6.48sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)5.43sTempo de resposta (máx.)6.18sTempo de resposta (total)10.86sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.43sTempo de resposta (médio)…
7,548Total de tokens de entrada…
279Tokens de saída…
4,893Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)601msTempo de resposta (máx.)634msTempo de resposta (total)1.20sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)15.27sTempo de resposta (máx.)34.09sTempo de resposta (total)45.80sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
15.27sTempo de resposta (médio)…
633Total de tokens de entrada…
12Tokens de saída…
21,684Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
3.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
0.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 3Tempo de resposta (médio)611msTempo de resposta (máx.)616msTempo de resposta (total)1.83sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)5.19sTempo de resposta (máx.)5.19sTempo de resposta (total)5.19sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.19sTempo de resposta (médio)…
486Total de tokens de entrada…
72Tokens de saída…
1,905Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
0.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Não seguiu as instruções: 1Tempo de resposta (médio)541msTempo de resposta (máx.)541msTempo de resposta (total)541msUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)4.04sTempo de resposta (máx.)4.70sTempo de resposta (total)8.08sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
4.04sTempo de resposta (médio)…
615Total de tokens de entrada…
72Tokens de saída…
2,709Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.3Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
50.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)649msTempo de resposta (máx.)952msTempo de resposta (total)1.30sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)4.05sTempo de resposta (máx.)5.64sTempo de resposta (total)12.15sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
4.05sTempo de resposta (médio)…
558Total de tokens de entrada…
183Tokens de saída…
4,365Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
7.7Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
66.7%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 1Tempo de resposta (médio)586msTempo de resposta (máx.)813msTempo de resposta (total)1.76sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)12.60sTempo de resposta (máx.)12.60sTempo de resposta (total)12.60sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
12.60sTempo de resposta (médio)…
5,532Total de tokens de entrada…
234Tokens de saída…
1,487Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)4.79sTempo de resposta (máx.)4.79sTempo de resposta (total)4.79sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
10.0Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
100.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
0Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Sem respostas com falha.Tempo de resposta (médio)5.50sTempo de resposta (máx.)5.50sTempo de resposta (total)5.50sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.50sTempo de resposta (médio)…
156Total de tokens de entrada…
11Tokens de saída…
2,325Tokens de raciocínio…
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.