#18 Grok 4.20 Beta
medium- Cost
- $0.034
- Timp
- 91.0s
- Tokenuri
- 13,523 tok
X AI
Lansare: 2026-03-12
Testat la: 2026-05-06 14:15
x-ai/grok-4.20-beta::medium
~1T în total (~100B activi)MoEÎnchisEstimat
(medium)
(default)
Rezumat
Grok 4.20 Beta obține 8.2 pe AI BENCHY și este pe #18. Are fiabilitate N/D, rată de reușită 79.6%, cost total $0.633 și timp mediu de răspuns 9.81s.
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.
Date despre model
Documentat la 2026-08-12
- Parametri
- ~1T în total (~100B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
8.2
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
Preț citire cache
N/D
Preț scriere cache
N/D
Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.
Teste instabile
2
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
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 | 6.0 | N/D | $0.750 ↑ | Compară | |
| 2026-05-06 14:15 Retestare | 6.0 | N/D | $0.750 ↑ | 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 | Rularea curentă | |
| 2026-04-11 01:19 Prima rulare înregistrată | 8.0 | N/D | $0.633 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:15 · Suită modificată | 52/54 încercări | 8.2 | 9.1 | N/D | 13/18 | 2 | 93,477 | 0 | $0.633 | 9.81s |
| 2026-05-06 14:15 · Retestare | 52/54 încercări | 8.5 | 9.5 | N/D | 14/18 | 1 | 93,212 | 35,955 | $0.750 | 9.75s |
| Diferență | — | -0.3 | -0.4 | -1 | +1 | +265 | -35955 | -$0.118 | +63ms |
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
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 | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 8.2 | 7.2 | |
| Apelare instrumente | 3.0 | 10.0 |