#119 xAI: Grok 4.20
none- Cost
- $0.004
- Timp
- 6.5s
- Tokenuri
- 1,367 tok
Rezumat
Grok 4.20 obține 5.4 pe AI BENCHY și este pe #119. Are fiabilitate N/D, rată de reușită 35.2%, cost total $0.095 și timp mediu de răspuns 1.11s.
Ce face Grok 4.20 unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #3, iar Programare este zona cea mai slabă, la #11. Este vizibil rapid față de modele similare.
Notă de identitate
Grok 4.20 Beta a fost versiunea preview a lui Grok 4.20.
5.4
Consistență
9.5
N/D
$0.095
Total tokenuri de ieșire
1,967
Total tokenuri de intrare
0
Preț de intrare
$1.250 / 1M
Preț de ieșire
$2.500 / 1M
Teste instabile
1
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Retestare | 5.4 | N/D | $0.057 ↓ | Compară | |
| 2026-05-06 14:16 Retestare | 5.4 | N/D | $0.095 | Compară | |
| 2026-05-06 14:16 Retestare | 5.4 | N/D | $0.095 | Compară | |
| 2026-05-06 14:16 Suită modificată | 5.4 | N/D | $0.095 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 5.2 | N/D | $0.095 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · Suită modificată | 5.4 | 9.5 | N/D | 6/18 | 1 | 1,967 | 0 | $0.095 | 1.11s |
| 2026-04-11 01:44 · Prima rulare înregistrată | 5.2 | 9.5 | N/D | 5/18 | 1 | 1,967 | 0 | $0.095 | 1.11s |
| 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
Grok 4.20nonevsQwen3.5-122B-A10BnoneGrok 4.20nonevsMiniMax M2.7mediumGrok 4.20nonevsGPT-5.4 MininoneGrok 4.20nonevsQwen3.6 35B A3BnoneGrok 4.20nonevsLaguna XS 2.1noneDisponibil gratuitGrok 4.20nonevsMistral Small 4noneGrok 4.20nonevsGemini 3.5 FlashhighGrok 4.20nonevsGemini 3 Flash PreviewmediumGrok 4.20nonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGrok 4.20nonevsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 4.8 | 10.0 | |
| Programare | 3.4 | 9.3 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 4.8 | 10.0 | |
| Respectarea instrucțiunilor | 6.3 | 10.0 | |
| Rezolvare de puzzle-uri | 5.3 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 |