AI BENCHY
Advertise here
#119

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 #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.

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.

#119 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 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.

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