#29 Grok 4.20 Beta
medium- Cost
- $0.034
- Time
- 91.0s
- Tokens
- 13,523 tok
Rezumat
Grok 4.20 Beta obține 8.0 pe AI BENCHY și este pe #29. Are fiabilitate N/D, rată de reușită 74.1%, cost total $0.633 și timp mediu de răspuns 9.81s.
Ce face Grok 4.20 Beta unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Respectarea instrucțiunilor este zona cea mai slabă, la #15.
Model arhivat: acest model nu mai este actualizat și nu mai este testat pe teste noi.
Notă de identitate
Grok 4.20 Beta a fost versiunea preview a lui xAI: Grok 4.20.
8.0
Consistență
9.1
N/D
$0.633
Total tokenuri de ieșire
93,477
Total tokenuri de intrare
0
Preț de intrare
$0.000 / 1M
Preț de ieșire
$0.000 / 1M
Teste instabile
2
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-05-06 14:15 Retestare | 8.5 | N/D | $0.750 ↑ | Compară | |
| 2026-05-06 14:15 Retestare | 8.2 | N/D | $0.633 | Compară | |
| 2026-05-06 14:15 Retestare | 8.2 | N/D | $0.633 | Compară | |
| 2026-05-06 14:15 Suită modificată | 8.2 | N/D | $0.633 | Compară | |
| 2026-04-11 01:19 Prima rulare înregistrată | 8.0 | N/D | $0.633 | Rularea curentă |
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · Prima rulare înregistrată | 8.0 | 9.1 | N/D | 12/18 | 2 | 93,477 | 0 | $0.633 | 9.81s |
| 2026-05-06 14:15 · Suită modificată | 8.2 | 9.1 | N/D | 13/18 | 2 | 93,477 | 0 | $0.633 | 9.81s |
| Diferență | -0.2 | 0.0 | -1 | 0 | 0 | 0 | $0.000 | 0ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.7 | 7.9 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 8.3 | 10.0 | |
| Rezolvare de puzzle-uri | 8.2 | 7.2 | |
| Apelare instrumente | 3.0 | 10.0 |