AI BENCHY
Advertise here
#120

Grok 4.20

X AI Lansare: 2026-03-31 Testat la: 2026-05-06 14:16 x-ai/grok-4.20::none
(medium) (none)

Rezumat

Grok 4.20 obține 5.4 pe AI BENCHY și este pe #120. 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: Este vizibil rapid față de modele similare.

Notă de identitate

Grok 4.20 Beta a fost versiunea preview a lui Grok 4.20.

Scor

5.4

Consistență

9.5

Fiabilitate

N/D

Cost total (preț curent)

$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 corecte

Teste greșite: 12

Rată de trecere pe încercare: 35.2%

Teste instabile

1

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

1.11s

Timp de răspuns (maxim): 6.04s

Timp de răspuns (total): 20.02s

Răspuns greșit: 10 Formatare suplimentară: 1 Apel de instrument invalid: 1

Prezentare generare

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#120 xAI: Grok 4.20

none
Cost
$0.004
Timp
6.5s
Tokenuri
1,367 tok

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 Rularea curentă
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 Compară
2026-04-11 01:44 Prima rulare înregistrată 5.2 N/D $0.095 Compară

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-06 14:16 · Retestare5.49.5N/D6/1811,9670$0.0951.11s
2026-04-11 01:44 · Prima rulare înregistrată5.29.5N/D5/1811,9670$0.0951.11s
Diferență+0.20.0+1000$0.0000ms

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.

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

Modele comparate