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 none Lansare: 2026-03-31
Scor 5.2 5.2
Rang #81 #78
Consistență 9.6 9.5
Teste corecte
Rată de trecere pe încercare 31.5% 29.6%
Teste instabile 1 1
Rulări totale 54 54
Cost per rezultat 0.000 1.889
Cost total $0.000 $0.095
Preț de intrare $0.000 / 1M $2.000 / 1M
Preț de ieșire $0.000 / 1M $6.000 / 1M
Tokenuri de ieșire 2,573 1,967
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 1.23s 1.11s
Timp de răspuns (maxim) 3.81s 6.04s
Timp de răspuns (total) 22.16s 20.02s

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 4.8 10.0 25.0% 0 501ms 267 0
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 3.4 9.3 0.0% 0 1.22s 312 0
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 3.0 10.0 0.0% 0 6.04s 282 0
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 522ms 207 0
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 3.0 10.0 0.0% 0 687ms 325 0
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 4.8 10.0 0.0% 0 659ms 83 0
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 4.8 10.0 0.0% 0 455ms 60 0
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 5.3 7.4 44.4% 1 487ms 242 0
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 10.0 10.0 100.0% 0 4.63s 189 0

Comparație rapidă

Schimbă perechea de comparație