Comparação benchmark Grok 4.20 Beta (medium) vs Grok 4.20 Multi Agent Beta (medium) vs Grok 4.1 Fast (medium) vs Gemini 3 Flash Preview (medium):Gemini 3 Flash Preview (medium) lidera em Pontuação com 9.5. Grok 4.1 Fast (medium) lidera em Confiabilidade com 10.0. Grok 4.1 Fast (medium) tem o menor Custo total em $0.069. Grok 4.20 Multi Agent Beta (medium) é o mais rápido com 9.69s.
Benchmarks gerados a partir das suítes de teste do AI BENCHY em:
2026-09-10
Modelos comparados
Posição
#210
Total de tokens de saída
93,212
Tempo de resposta (médio)
9.75s
Custo total
$0.750
Posição
#289
Total de tokens de saída
600,042
Tempo de resposta (médio)
9.69s
Custo total
$5.599
Posição
#294
Total de tokens de saída
98,340
Tempo de resposta (médio)
23.85s
Custo total
$0.069
Posição
#10
Total de tokens de saída
239,608
Tempo de resposta (médio)
19.86s
Custo total
$0.763
Modelo recomendadoGemini 3 Flash Preview (medium)
Tem a melhor pontuação aqui (9.5) e custa cerca de 2.8x menos que os outros modelos nesta comparação.
Comparação detalhada
Métrica
Grok 4.20 BetaGrok 4.20 BetamediumModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.Lançamento: 2026-03-12
6.0Pontuação média em todos os testes de benchmark.…
4.8Pontuação média em todos os testes de benchmark.…
4.7Pontuação média em todos os testes de benchmark.…
9.5Pontuação média em todos os testes de benchmark.…
Posição
#210
#289
#294
#10
Confiabilidade
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.…
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.…
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.…
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.…
Consistência
7.8A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
6.4A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
6.3A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
9.7A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
Tentativas
52/66
52/66
57/66
66/66
Testes corretos
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 3Não seguiu as instruções: 1Tempo de resposta (médio)9.75sTempo de resposta (máx.)31.36sTempo de resposta (total)175.48sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Resposta incorreta: 2Tempo de resposta (médio)19.86sTempo de resposta (máx.)117.26sTempo de resposta (total)436.88sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
Taxa de acerto por tentativa
66.7%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
48.5%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
53.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
93.9%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
Testes instáveis
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
5Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
6Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
1Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Execuções totais
52Execuções totais…
52Execuções totais…
57Execuções totais…
66Execuções totais…
Custo por resultado
4.505
62.923
0.642
3.814
Custo total
$0.750
$5.599
$0.069
$0.763
Preço de entrada
$5.805 / 1MPreço de entrada…
$4.235 / 1MPreço de entrada…
$0.484 / 1MPreço de entrada…
$0.500 / 1MPreço de entrada…
Preço de saída
$5.805 / 1MPreço de saída…
$4.235 / 1MPreço de saída…
$0.484 / 1MPreço de saída…
$3.000 / 1MPreço de saída…
Total de tokens de entrada
35,955Total de tokens de entrada…
721,952Total de tokens de entrada…
42,845Total de tokens de entrada…
87,870Total de tokens de entrada…
Tokens de saída
1,647Tokens de saída…
294,668Tokens de saída…
2,006Tokens de saída…
5,486Tokens de saída…
Tokens de raciocínio
91,565Tokens de raciocínio…
305,374Tokens de raciocínio…
96,334Tokens de raciocínio…
234,122Tokens de raciocínio…
Tempo de resposta (médio)
9.75sTempo de resposta (médio)…
9.69sTempo de resposta (médio)…
23.85sTempo de resposta (médio)…
19.86sTempo de resposta (médio)…
Tempo de resposta (máx.)
31.36sTempo de resposta (máx.)…
35.28sTempo de resposta (máx.)…
121.79sTempo de resposta (máx.)…
117.26sTempo de resposta (máx.)…
Tempo de resposta (total)
175.48sTempo de resposta (total)…
155.07sTempo de resposta (total)…
286.16sTempo de resposta (total)…
436.88sTempo de resposta (total)…
Parâmetros
~1T no total (~100B ativos)
~1T no total (~100B ativos)
~500B no total (~50B ativos)
~500B no total (~20B ativos)
Disponibilidade
Código fechado
Código fechado
Código fechado
Código fechado
Geração showcase de modelos
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#210 Grok 4.20 Beta
medium
Custo
$0.034
Tempo
91.0s
Tokens
13,523 tok
#289 Grok 4.20 Multi Agent Beta
medium
Custo
$0.261
Tempo
123.4s
Tokens
199,344 tok
#294 Grok 4.1 Fast
medium
Grok 4.1 Fast is deprecated. xAI recommends switching to Grok 4.3 (https://openrouter.ai/x-ai/grok-4.3)
Custo
$0.000
Tempo
0.1s
Tokens
0 tok
#10 Gemini 3 Flash Preview
medium
Custo
$0.010
Tempo
18.4s
Tokens
3,351 tok
Posição
-
Custo
-
Tempo
-
Tokens
-
Melhores modelos por pontuação
Pontuação vs custo total
Tempo de resposta (médio)
Pontuação vs Tempo de resposta (médio)
Total de tokens de saída
Pontuação vs Total de tokens de saída
Detalhamento por categoria
Truques anti-IA
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens de raciocínio
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
8.7Pontuação média em todos os testes de benchmark.…
7.9A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
91.7%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: 1Tempo de resposta (médio)3.16sTempo de resposta (máx.)3.44sTempo de resposta (total)12.65sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.16sTempo de resposta (médio)…
2,010Total de tokens de entrada…
268Tokens de saída…
7,583Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.9Pontuação média em todos os testes de benchmark.…
5.8A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
75.0%Taxa de acerto por tentativa = tentativas aprovadas / tentativas totais em todas as execuções.…
2Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Formatação extra: 1Resposta incorreta: 1Tempo de resposta (médio)3.46sTempo de resposta (máx.)4.38sTempo de resposta (total)13.86sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.46sTempo de resposta (médio)…
90,925Total de tokens de entrada…
33,706Tokens de saída…
33,077Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
8.7Pontuação média em todos os testes de benchmark.…
7.9A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
91.7%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: 1Tempo de resposta (médio)3.81sTempo de resposta (máx.)5.65sTempo de resposta (total)7.62sUm 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…
Programação
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens de raciocínio
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
3.3Pontuação média em todos os testes de benchmark.…
3.3A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
33.3%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)31.36sTempo de resposta (máx.)31.36sTempo de resposta (total)31.36sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
31.36sTempo de resposta (médio)…
360Total de tokens de entrada…
81Tokens de saída…
3,987Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
3.3Pontuação média em todos os testes de benchmark.…
3.3A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
33.3%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)27.11sTempo de resposta (máx.)27.11sTempo de resposta (total)27.11sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
27.11sTempo de resposta (médio)…
13,212Total de tokens de entrada…
86Tokens de saída…
13,141Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
7.8Pontuação média em todos os testes de benchmark.…
4.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
11.1%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.Não seguiu as instruções: 1Tempo de resposta (médio)23.58sTempo de resposta (máx.)23.58sTempo de resposta (total)23.58sUm 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…
Combinado
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens 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.…
5.0A 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.Sem respostas com falha.Tempo de resposta (médio)20.93sTempo de resposta (máx.)20.93sTempo de resposta (total)20.93sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
20.93sTempo de resposta (médio)…
12,909Total de tokens de entrada…
227Tokens de saída…
12,212Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
1.5Pontuação média em todos os testes de benchmark.…
5.0A 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.Erro de API: 1Tempo de resposta (médio)0msTempo de resposta (máx.)0msTempo de resposta (total)0msUm teste é totalmente aprovado apenas quando todas as execuções passam.…
0msTempo de resposta (médio)…
0Total de tokens de entrada…
0Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.0Pontuação média em todos os testes de benchmark.…
5.0A 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.Sem respostas com falha.Tempo de resposta (médio)37.64sTempo de resposta (máx.)37.64sTempo de resposta (total)37.64sUm 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)26.75sTempo de resposta (máx.)31.07sTempo de resposta (total)53.49sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
26.75sTempo de resposta (médio)…
63,717Total de tokens de entrada…
3,831Tokens de saída…
23,496Tokens de raciocínio…
Análise e extração de dados
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens 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)4.01sTempo de resposta (máx.)4.27sTempo de resposta (total)8.02sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
4.01sTempo de resposta (médio)…
7,761Total de tokens de entrada…
180Tokens de saída…
5,281Tokens de raciocínio…
Grok 4.20 Multi Agent 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)5.54sTempo de resposta (máx.)7.51sTempo de resposta (total)11.08sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.54sTempo de resposta (médio)…
97,232Total de tokens de entrada…
25,306Tokens de saída…
25,051Tokens de raciocínio…
Grok 4.1 FastModelo 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)6.63sTempo de resposta (máx.)6.63sTempo de resposta (total)6.63sUm 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…
Específico do domínio
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens de raciocínio
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.3Pontuação média em todos os testes de benchmark.…
10.0A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
33.3%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: 2Tempo de resposta (médio)21.33sTempo de resposta (máx.)24.21sTempo de resposta (total)64.00sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
21.33sTempo de resposta (médio)…
1,764Total de tokens de entrada…
251Tokens de saída…
40,255Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
2.9Pontuação média em todos os testes de benchmark.…
7.2A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
11.1%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: 2Formatação extra: 1Tempo de resposta (médio)24.67sTempo de resposta (máx.)35.28sTempo de resposta (total)74.02sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
24.67sTempo de resposta (médio)…
328,253Total de tokens de entrada…
164,609Tokens de saída…
163,647Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.8Pontuação média em todos os testes de benchmark.…
4.4A 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.…
2Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).…
Um teste é totalmente aprovado apenas quando todas as execuções passam.Tempo esgotado: 1Resposta incorreta: 1Tempo de resposta (médio)121.79sTempo de resposta (máx.)121.79sTempo de resposta (total)121.79sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
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)20.09sTempo de resposta (máx.)34.09sTempo de resposta (total)60.27sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
20.09sTempo de resposta (médio)…
642Total de tokens de entrada…
12Tokens de saída…
28,642Tokens de raciocínio…
Inteligência geral
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens 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)5.78sTempo de resposta (máx.)5.78sTempo de resposta (total)5.78sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.78sTempo de resposta (médio)…
825Total de tokens de entrada…
72Tokens de saída…
3,440Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.8Pontuação média em todos os testes de benchmark.…
2.8A 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.…
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.Não seguiu as instruções: 1Tempo de resposta (médio)6.40sTempo de resposta (máx.)6.40sTempo de resposta (total)6.40sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
6.40sTempo de resposta (médio)…
41,387Total de tokens de entrada…
15,848Tokens de saída…
15,746Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
4.2Pontuação média em todos os testes de benchmark.…
9.9A 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)16.25sTempo de resposta (máx.)16.25sTempo de resposta (total)16.25sUm 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…
Seguimento de instruções
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens de raciocínio
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
9.8Pontuação 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)4.89sTempo de resposta (máx.)5.89sTempo de resposta (total)9.78sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
4.89sTempo de resposta (médio)…
1,362Total de tokens de entrada…
57Tokens de saída…
7,123Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
9.8Pontuação 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)3.52sTempo de resposta (máx.)3.80sTempo de resposta (total)7.04sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.52sTempo de resposta (médio)…
43,923Total de tokens de entrada…
19,752Tokens de saída…
19,617Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.5Pontuação 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.Não seguiu as instruções: 1Tempo de resposta (médio)4.63sTempo de resposta (máx.)4.63sTempo de resposta (total)4.63sUm 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…
Resolução de quebra-cabeças
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens 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)3.52sTempo de resposta (máx.)4.53sTempo de resposta (total)10.57sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
3.52sTempo de resposta (médio)…
1,689Total de tokens de entrada…
328Tokens de saída…
6,300Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.7Pontuação média em todos os testes de benchmark.…
7.9A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
55.6%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.Não seguiu as instruções: 1Resposta incorreta: 1Tempo de resposta (médio)5.19sTempo de resposta (máx.)5.49sTempo de resposta (total)15.57sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
5.19sTempo de resposta (médio)…
107,020Total de tokens de entrada…
35,361Tokens de saída…
35,095Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
5.3Pontuação média em todos os testes de benchmark.…
7.2A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
44.4%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.Não seguiu as instruções: 1Resposta incorreta: 1Tempo de resposta (médio)7.40sTempo de resposta (máx.)7.79sTempo de resposta (total)14.81sUm 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…
Chamada de ferramentas
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens 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.Não seguiu as instruções: 1Tempo de resposta (médio)12.39sTempo de resposta (máx.)12.39sTempo de resposta (total)12.39sUm teste é totalmente aprovado apenas quando todas as execuções passam.…
12.39sTempo de resposta (médio)…
7,275Total de tokens de entrada…
183Tokens de saída…
5,384Tokens de raciocínio…
Grok 4.20 Multi Agent 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.Erro de API: 1Tempo de resposta (médio)0msTempo de resposta (máx.)0msTempo de resposta (total)0msUm teste é totalmente aprovado apenas quando todas as execuções passam.…
0msTempo de resposta (médio)…
0Total de tokens de entrada…
0Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
2.8Pontuação média em todos os testes de benchmark.…
1.6A consistência reflete a estabilidade entre execuções (10 = muito consistente, mesmo que consistentemente errado).…
33.3%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.Sem resposta: 1Tempo de resposta (médio)27.71sTempo de resposta (máx.)27.71sTempo de resposta (total)27.71sUm 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…
Conhecimentos gerais
Pontuação
Consistência
Taxa de acerto por tentativa
Testes instáveis
Testes corretos
Tempo de resposta (médio)
Tokens de entrada
Tokens de saída
Tokens de raciocínio
Grok 4.20 BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
0.0Pontuação média em todos os testes de benchmark.…
0.0A 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.Sem respostas com falha.Tempo de resposta (médio)0msTempo de resposta (máx.)0msTempo de resposta (total)0msUm teste é totalmente aprovado apenas quando todas as execuções passam.…
0msTempo de resposta (médio)…
0Total de tokens de entrada…
0Tokens de saída…
0Tokens de raciocínio…
Grok 4.20 Multi Agent BetaModelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
0.0Pontuação média em todos os testes de benchmark.…
0.0A 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.Sem respostas com falha.Tempo de resposta (médio)0msTempo de resposta (máx.)0msTempo de resposta (total)0msUm teste é totalmente aprovado apenas quando todas as execuções passam.…
0msTempo de resposta (médio)…
0Total de tokens de entrada…
0Tokens de saída…
0Tokens de raciocínio…
Grok 4.1 FastModelo 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: 1Tempo de resposta (médio)25.52sTempo de resposta (máx.)25.52sTempo de resposta (total)25.52sUm 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.…