Навигация
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Сравниваемые модели

Сводка

Бенчмарк-сравнение Grok 4.20 vs Grok 4.20 Beta vs Grok 4.3Grok 4.3 лидирует по Оценка со значением 7.7. Grok 4.20 лидирует по Надежность со значением 10.0. У Grok 4.20 самый низкий Общая стоимость: $0.609. Grok 4.20 Beta самый быстрый: 9.75s.

Рекомендуемая модель: Grok 4.20 Beta - Он дает лучший общий компромисс: конкурентный балл (6.8), быстрее ответ, чем у другие модели в этом сравнении, и сбалансированная стоимость.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-17

Метрика Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31 Grok 4.20 Beta Grok 4.20 Beta medium Релиз: 2026-03-12 Grok 4.3 Grok 4.3 medium Релиз: 2026-05-01
Оценка 7.3 6.8 7.7
Ранг #53 #69 #37
Надежность 10.0 Н/Д 10.0
Стабильность 8.8 8.2 8.5
Тестов верно
Доля успешных попыток 63.5% 69.8% 71.4%
Нестабильные тесты 3 1 4
Всего запусков 63 52 63
Стоимость за результат 8.309 4.505 4.724
Общая стоимость $0.609 $0.750 $0.614
Цена входа $1.250 / 1M $5.805 / 1M $1.250 / 1M
Цена выхода $2.500 / 1M $5.805 / 1M $2.500 / 1M
Общее число входных токенов 44,433 35,955 44,472
Выходные токены 1,819 1,647 1,981
Токены рассуждений 219,524 91,565 221,382
Время ответа (среднее) 27.68s 9.75s 47.51s
Время ответа (макс.) 199.66s 31.36s 216.69s
Время ответа (суммарно) 581.26s 175.48s 997.68s

Generation showcase

Hamster playing table tennis

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

#53 xAI: Grok 4.20

medium
Cost
$0.041
Time
110.3s
Tokens
16,336 tok

#69 Grok 4.20 Beta

medium
Cost
$0.034
Time
91.0s
Tokens
13,523 tok

#37 xAI: Grok 4.3

medium
Cost
$0.009
Time
19.0s
Tokens
3,661 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 2,010 268 7,583
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
Программирование Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
Grok 4.20 Beta 3.3 3.3 33.3% 0 31.36s 360 81 3,987
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
Комбинированный Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 12,909 227 12,212
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
Парсинг и извлечение данных Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 7,761 180 5,281
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 1,764 251 40,255
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
Общий интеллект Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 825 72 3,440
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
Следование инструкциям Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 1,362 57 7,123
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
Решение головоломок Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 1,689 328 6,300
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
Вызов инструментов Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 7,275 183 5,384
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
Эрудиция Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442
Grok 4.20 Beta 0.0 0.0 0.0% 0 0ms 0 0 0
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

Быстрое сравнение

Сменить пару сравнения

Step 3.7 FlashlowvsGrok 4.3mediumGemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.3mediumClaude Opus 4.8nonevsGrok 4.20mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGPT-5.3 ChatnonevsGrok 4.3mediumGrok 4.20mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.20medium