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

Owl Alpha vs xAI: Grok 4.20

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-10

Metrică Owl Alpha Owl Alpha medium Lansare: 2026-04-30 Grok 4.20 Grok 4.20 none Lansare: 2026-03-31
Scor 6.0 5.4
Rang #90 #115
Fiabilitate 10.0 N/D
Consistență 9.6 9.5
Teste corecte
Rată de trecere pe încercare 43.9% 35.2%
Teste instabile 1 1
Rulări totale 57 54
Cost per rezultat 0.000 1.574
Cost total $0.000 $0.095
Preț de intrare $0.000 / 1M $1.250 / 1M
Preț de ieșire $0.000 / 1M $2.500 / 1M
Tokenuri de ieșire 1,613 1,967
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 10.58s 1.11s
Timp de răspuns (maxim) 58.63s 6.04s
Timp de răspuns (total) 201.03s 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
Owl Alpha 4.8 10.0 25.0% 0 3.97s 87 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
Owl Alpha 10.0 10.0 100.0% 0 7.35s 402 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
Owl Alpha 3.0 10.0 0.0% 0 10.01s 315 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
Owl Alpha 10.0 10.0 100.0% 0 21.64s 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
Owl Alpha 5.3 10.0 33.3% 0 8.58s 28 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
Owl Alpha 4.3 10.0 0.0% 0 58.63s 98 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
Owl Alpha 6.3 10.0 50.0% 0 9.59s 57 0
Grok 4.20 6.3 10.0 50.0% 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
Owl Alpha 5.3 7.2 44.4% 1 3.44s 135 0
Grok 4.20 5.3 7.2 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
Owl Alpha 10.0 10.0 100.0% 0 8.26s 228 0
Grok 4.20 10.0 10.0 100.0% 0 4.63s 189 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Owl Alpha 3.0 10.0 0.0% 0 2.38s 17 0
Grok 4.20 - - - - - - - -

Comparație rapidă

Schimbă perechea de comparație

Owl AlphamediumvsQwen3.5-FlashnoneOwl AlphamediumvsGLM 5V TurbononeSeed-2.0-LitenonevsOwl AlphamediumOwl AlphamediumvsQwen3.5 Plus 2026-04-20noneOwl AlphamediumvsQwen3.5-35B-A3BnoneElephant AlphamediumvsGrok 4.20noneMistral Small 4mediumvsGrok 4.20noneOwl AlphamediumvsMiMo-V2-PrononeMiniMax M2.5mediumDisponibil gratuitvsGrok 4.20noneOwl AlphamediumvsQwen3.5-27BnoneOwl AlphamediumvsQwen3.6 27BnoneDeepSeek V4 PrononevsOwl Alphamedium