#80 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
Lançamento: 2026-03-12
Testado em: 2026-05-06 14:16
x-ai/grok-4.20-multi-agent-beta::medium
Resumo
Grok 4.20 Multi Agent Beta marca 6.6 no AI BENCHY e fica em #80. Tem fiabilidade N/D, taxa de acerto de 63.0%, custo total de $5.074 e tempo médio de resposta de 9.80s.
O que torna Grok 4.20 Multi Agent Beta único: Destaca-se mais em Programação, onde fica em #1, enquanto Chamada de ferramentas é a área mais fraca em #11. Usa uma quantidade invulgarmente alta de tokens de raciocínio, o que pode explicar execuções mais lentas ou caras.
Modelo arquivado: este modelo não é mais atualizado nem testado em novos testes.
6.6
Consistência
7.4
$5.074
Total de tokens de saída
608,704
Total de tokens de entrada
0
Preço de entrada
$0.000 / 1M
Preço de saída
$0.000 / 1M
Testes instáveis
6
Testes instáveis tiveram resultados mistos entre execuções (pelo menos um acerto e uma falha).
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Novo teste | 6.6 | N/D | $5.599 ↑ | Comparar | |
| 2026-05-06 14:16 Novo teste | 6.6 | N/D | $5.074 | Comparar | |
| 2026-05-06 14:16 Suite alterada | 6.6 | N/D | $5.074 | Execução atual | |
| 2026-04-11 01:19 Primeira execução registrada | 6.4 | N/D | $5.074 | Comparar |
Esta execução usou uma suite de benchmark diferente. Considere as mudanças na suite ao analisar a evolução histórica.
Comparação de execuções
| Execução | Pontuação | Consistência | Confiabilidade | Testes corretos | Testes instáveis | Total de tokens de saída | Total de tokens de entrada | Custo total | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · Suite alterada | 6.6 | 7.4 | N/D | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-04-11 01:19 · Primeira execução registrada | 6.4 | 7.4 | N/D | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Diferença | +0.2 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
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
Detalhamento por categoria
| Categoria | Pontuação | Consistência | Testes corretos |
|---|---|---|---|
| Truques anti-IA | 6.9 | 5.8 | |
| Programação | 10.0 | 10.0 | |
| Combinado | 3.0 | 10.0 | |
| Análise e extração de dados | 10.0 | 10.0 | |
| Específico do domínio | 2.9 | 7.2 | |
| Inteligência geral | 5.8 | 2.8 | |
| Seguimento de instruções | 9.8 | 10.0 | |
| Resolução de quebra-cabeças | 7.2 | 5.1 | |
| Chamada de ferramentas | 3.0 | 10.0 |