Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Elephant vs xAI: Grok 4.20

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-14

Metrică Elephant Elephant none Lansare: 2026-04-14 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 5.2 7.0
Rang #81 #44
Consistență 9.6 7.8
Teste corecte
Rată de trecere pe încercare 31.5% 66.7%
Teste instabile 1 5
Rulări totale 54 54
Cost per rezultat 0.000 8.252
Cost total $0.000 $0.743
Preț de intrare $0.000 / 1M $2.000 / 1M
Preț de ieșire $0.000 / 1M $6.000 / 1M
Tokenuri de ieșire 2,573 1,744
Tokenuri de raționament 0 109,882
Timp de răspuns (mediu) 1.23s 10.33s
Timp de răspuns (maxim) 3.81s 29.87s
Timp de răspuns (total) 22.16s 185.87s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 6.6 10.0 50.0% 0 963ms 610 0
Grok 4.20 8.2 7.9 83.3% 1 3.36s 280 8,476
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 6.4 3.3 66.7% 1 1.39s 375 0
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 3.0 10.0 0.0% 0 3.81s 731 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 6.5 10.0 50.0% 0 1.04s 246 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 3.0 10.0 0.0% 0 927ms 24 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 4.0 10.0 0.0% 0 854ms 106 0
Grok 4.20 5.8 2.8 66.7% 1 7.09s 47 4,252
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 9.8 10.0 100.0% 0 1.03s 81 0
Grok 4.20 7.3 5.9 83.3% 1 4.42s 40 5,474
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 3.3 10.0 0.0% 0 849ms 170 0
Grok 4.20 6.4 7.7 55.6% 1 3.89s 143 8,028
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Elephant 3.0 10.0 0.0% 0 2.79s 230 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620

Comparație rapidă

Schimbă perechea de comparație

Gemma 4 31BnoneDisponibil gratuitvsGrok 4.20mediumMiniMax M2.7mediumvsElephantnoneQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5noneClaude Sonnet 4.6nonevsGrok 4.20mediumMistral Small 4mediumvsElephantnoneElephantnonevsQwen3 Coder NextmediumMiniMax M2.5mediumDisponibil gratuitvsElephantnoneGrok 4.20mediumvsMiMo-V2-OmninoneElephantnonevsGLM 4.7 Flashmediumgpt-oss-120bmediumDisponibil gratuitvsElephantnoneGPT-5.3 ChatnonevsGrok 4.20medium