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

Modele comparate

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-01

Metrică Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31 Grok 4.20 Beta Grok 4.20 Beta medium Lansare: 2026-03-12 Grok 4.3 Grok 4.3 medium Lansare: 2026-05-01
Scor 7.0 8.2 8.2
Rang #63 #22 #20
Fiabilitate N/D N/D 10.0
Consistență 7.8 9.1 8.6
Teste corecte
Rată de trecere pe încercare 66.7% 79.6% 81.5%
Teste instabile 5 2 3
Rulări totale 54 52 54
Cost per rezultat 8.252 4.864 3.974
Cost total $0.743 $0.633 $0.517
Preț de intrare $2.000 / 1M $0.000 / 1M $1.250 / 1M
Preț de ieșire $6.000 / 1M $0.000 / 1M $2.500 / 1M
Tokenuri de ieșire 1,744 1,568 1,223
Tokenuri de raționament 109,882 91,909 187,047
Timp de răspuns (mediu) 10.33s 9.81s 48.63s
Timp de răspuns (maxim) 29.87s 31.36s 216.69s
Timp de răspuns (total) 185.87s 176.62s 875.27s

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
Grok 4.20 8.2 7.9 83.3% 1 3.36s 280 8,476
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 81 3,987
Grok 4.3 10.0 10.0 100.0% 0 45.72s 284 9,659
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.3 10.0 10.0 100.0% 0 63.99s 234 15,301
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
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 5.8 2.8 66.7% 1 7.09s 47 4,252
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 7.3 6.0 83.3% 1 4.42s 40 5,474
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.97s 57 7,107
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
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
Grok 4.20 6.4 7.7 55.6% 1 3.89s 143 8,028
Grok 4.20 Beta 8.2 7.2 88.9% 1 3.85s 249 6,660
Grok 4.3 5.9 7.2 55.6% 1 22.53s 128 14,686
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 ProhighvsGrok 4.20mediumGemma 4 31BnoneDisponibil gratuitvsGrok 4.20mediumHY3 PreviewlowDisponibil gratuitvsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGPT-5.5nonevsGrok 4.20mediumGPT-5.2 ChatnonevsGrok 4.3mediumGrok 4.20mediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGrok 4.3mediumGPT-5.3 ChatnonevsGrok 4.3mediumHY3 PreviewhighDisponibil gratuitvsGrok 4.3medium