#52 xAI: Grok 4.20
medium- Cost
- $0.041
- Timp
- 110.3s
- Tokenuri
- 16,336 tok
Rezumat
Grok 4.20 obține 7.0 pe AI BENCHY și este pe #52. Are fiabilitate N/D, rată de reușită 66.7%, cost total $0.743 și timp mediu de răspuns 10.33s.
Notă de identitate
Grok 4.20 Beta a fost versiunea preview a lui Grok 4.20.
7.0
Consistență
7.8
N/D
$0.743
Total tokenuri de ieșire
111,626
Total tokenuri de intrare
0
Preț de intrare
$2.000 / 1M
Preț de ieșire
$6.000 / 1M
Teste instabile
5
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
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 |
|---|---|---|---|---|---|
| 2026-06-04 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 | Rularea curentă |
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 | 8.2 | 7.9 | |
| Programare | 4.3 | 1.1 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 5.8 | 2.8 | |
| Respectarea instrucțiunilor | 7.3 | 5.9 | |
| Rezolvare de puzzle-uri | 6.4 | 7.7 | |
| Apelare instrumente | 3.0 | 10.0 |