#66 xAI: Grok 4.20
medium- Custo
- $0.041
- Tempo
- 110.3s
- Tokens
- 16,336 tok
X AI
Lançamento: 2026-03-31
Testado em: 2026-05-08 15:32
x-ai/grok-4.20::medium
~1T no total (~100B ativos)MoECódigo fechadoEstimado
(medium)
(none)
Resumo
Grok 4.20 marca 6.9 no AI BENCHY e fica em #66. Tem fiabilidade 10.0, taxa de acerto de 63.2%, custo total de $0.756 e tempo médio de resposta de 14.53s.
Nota de identidade
Grok 4.20 Beta foi a versão de prévia de Grok 4.20.
Dados do modelo
Pesquisado em 2026-08-12
- Parâmetros
- ~1T no total (~100B ativos)
- Arquitetura
- MoE
- Disponibilidade
- Código fechado
- Licença
- -
Melhor estimativa com base em evidências públicas; o fornecedor não divulgou todos os valores.
6.9
Consistência
8.3
10.0
$0.756
Total de tokens de saída
130,017
Total de tokens de entrada
0
Preço de entrada
$1.250 / 1M
Preço de saída
$2.500 / 1M
Testes instáveis
4
Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).
14.53s
Tempo de resposta (máx.): 63.48s
Tempo de resposta (total): 276.06s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Histórico de execuções
| Testado em | Pontuação | Confiabilidade | Testes corretos | Custo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 02:57 Novo teste | 7.0 | 10.0 | $0.805 ↓ | Comparar | |
| 2026-07-16 23:07 Novo teste adicionado | 7.1 | 10.0 | $0.777 ↓ | Comparar | |
| 2026-06-04 14:17 Novo teste adicionado | 7.1 | 10.0 | $0.609 ↓ | Comparar | |
| 2026-05-22 00:32 Suite alterada | 6.7 | 10.0 | $0.832 | Comparar | |
| 2026-05-08 15:32 Suite alterada | 6.9 | 10.0 | $0.756 | Execução atual | |
| 2026-04-11 01:44 Primeira execução registrada | 7.0 | N/D | $0.743 | Comparar |
Esta execução usou uma suite de benchmark diferente. Considere as mudanças na suite ao analisar a evolução histórica.
Comparação de execuções
| Execução | Cobertura do benchmark | Pontuação | Consistência | Confiabilidade | Testes corretos | Testes instáveis | Total de tokens de saída | Total de tokens de entrada | Custo total | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:32 · Suite alterada | 57/57 tentativas | 6.9 | 8.3 | 10.0 | 10/19 | 4 | 130,017 | 0 | $0.756 | 14.53s |
| 2026-06-04 14:17 · Novo teste adicionado | 63/63 tentativas | 7.1 | 8.8 | 10.0 | 12/21 | 3 | 221,343 | 44,433 | $0.609 | 27.68s |
| Diferença | — | -0.3 | -0.5 | 0.0 | -2 | +1 | -91326 | -44433 | +$0.147 | -13150ms |
A cobertura do benchmark é diferente: 57/57 tentativas (Meta: 3 repetições por teste) contra 63/63 tentativas (Meta: 3 repetições por teste). Totais e métricas sensíveis a repetições não são diretamente comparáveis.
Estas duas execuções usaram suites de benchmark diferentes, então as diferenças refletem tanto mudanças do modelo quanto da suite.
Gráficos
Escolha o primeiro modelo e depois clique em um segundo modelo para abrir uma página lado a lado.
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
Comparação rápida
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
Detalhamento por categoria
| Categoria | Pontuação | Consistência | Testes corretos |
|---|---|---|---|
| Truques anti-IA | 8.2 | 7.9 | |
| Programação | 4.3 | 1.1 | |
| Combinado | 10.0 | 10.0 | |
| Análise e extração de dados | 10.0 | 10.0 | |
| Específico do domínio | 5.3 | 10.0 | |
| Inteligência geral | 3.9 | 2.6 | |
| Seguimento de instruções | 7.3 | 6.0 | |
| Resolução de quebra-cabeças | 7.7 | 10.0 | |
| Chamada de ferramentas | 3.0 | 10.0 | |
| Conhecimentos gerais | 3.0 | 10.0 |