#120 SpaceXAI: Grok 4.20
medium- Cost
- $0.041
- Timp
- 110.3s
- Tokenuri
- 16,336 tok
X AI
Lansare: 2026-03-31
Testat la: 2026-08-14 02:57
x-ai/grok-4.20::medium
~1T în total (~100B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Grok 4.20 obține 7.0 pe AI BENCHY și este pe #120. Are fiabilitate 10.0, rată de reușită 60.6%, cost total $0.805 și timp mediu de răspuns 32.56s.
Ce face Grok 4.20 unic: Se remarcă cel mai mult la Combinat, unde este pe #2, iar Inteligență generală este zona cea mai slabă, la #15.
Notă de identitate
Grok 4.20 Beta a fost versiunea preview a lui 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.
7.0
Consistență
8.2
10.0
Total tokenuri de ieșire
270,259
Total tokenuri de intrare
102,986
Preț de intrare
$1.250 / 1M
Preț de ieșire
$2.500 / 1M
Teste instabile
5
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:57 Retestare | 7.0 | 10.0 | $0.805 ↓ | Rularea curentă | |
| 2026-07-16 23:07 Test nou adăugat | 7.1 | 10.0 | $0.777 ↓ | Compară | |
| 2026-06-04 14:17 Test nou adăugat | 7.1 | 10.0 | $0.609 ↓ | Compară | |
| 2026-05-22 00:32 Suită modificată | 6.7 | 10.0 | $0.832 | Compară | |
| 2026-05-08 15:32 Suită modificată | 6.9 | 10.0 | $0.756 | Compară | |
| 2026-04-11 01:44 Prima rulare înregistrată | 7.0 | N/D | $0.743 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 02:57 · Rularea curentă | 66/66 încercări | 7.0 | 8.2 | 10.0 | 11/22 | 5 | 270,259 | 102,986 | $0.805 | 32.56s |
| 2026-05-22 00:32 · Suită modificată | 60/60 încercări | 6.7 | 8.0 | 10.0 | 10/20 | 5 | 158,105 | 0 | $0.832 | 19.09s |
| Diferență | — | +0.3 | +0.2 | 0.0 | +1 | 0 | +112154 | +102986 | -$0.028 | +13469ms |
Acoperirea benchmark diferă: 66/66 încercări (Țintă: 3 repetări per test) față de 60/60 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire |
|---|---|---|
| 2026-08-14 12:51 | $1.250 / 1M | $2.500 / 1M |
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
Grok 4.20mediumvsMercury 2mediumGrok 4.20mediumvsSeed-2.0-MinimediumGrok 4.20mediumvsGPT-5.5noneGrok 4.20mediumvsKimi K2.5mediumGrok 4.20mediumvsGLM 5.1mediumGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsQwen3.7 FlashmediumGrok 4.20mediumvsGPT-5.6 SolnoneGrok 4.20mediumvsSeed-2.0-Codehigh
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.2 | 7.9 | |
| Programare | 6.3 | 6.6 | |
| Combinat | 8.7 | 6.9 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 3.9 | 2.6 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 7.7 | 10.0 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |