#77 xAI: Grok 4.20
medium- Стоимость
- $0.041
- Время
- 110.3s
- Токены
- 16,336 tok
X AI
Релиз: 2026-03-31
Проверено: 2026-05-22 00:32
x-ai/grok-4.20::medium
~1T всего (~100B активных)MoEЗакрытая модельОценка
(medium)
(none)
Сводка
Grok 4.20 набирает 6.7 в AI BENCHY и занимает #77. У модели надежность 10.0, доля успешных попыток 61.7%, общая стоимость $0.832 и среднее время ответа 19.09s.
Что делает Grok 4.20 особенной: Сильнее всего модель выделяется в Предметно-ориентированное, где занимает #2; самая слабая область — Программирование с #17.
Примечание об идентичности
Grok 4.20 Beta был превью-версией Grok 4.20.
Сведения о модели
Дата исследования: 2026-08-12
- Параметры
- ~1T всего (~100B активных)
- Архитектура
- MoE
- Доступность
- Закрытая модель
- Лицензия
- -
Наиболее обоснованная оценка по открытым данным; поставщик раскрыл не все значения.
6.7
Стабильность
8.0
10.0
Общее число выходных токенов
158,105
Общее число входных токенов
0
Цена входа
$1.250 / 1M
Цена выхода
$2.500 / 1M
Нестабильные тесты
5
Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
История запусков
| Проверено | Оценка | Надежность | Тестов верно | Общая стоимость | Сравнить |
|---|---|---|---|---|---|
| 2026-08-14 02:57 Повторный тест | 7.0 | 10.0 | $0.805 ↓ | Сравнить | |
| 2026-07-16 23:07 Добавлен новый тест | 7.1 | 10.0 | $0.777 ↓ | Сравнить | |
| 2026-06-04 14:17 Добавлен новый тест | 7.1 | 10.0 | $0.609 ↓ | Сравнить | |
| 2026-05-22 00:32 Набор изменён | 6.7 | 10.0 | $0.832 | Текущий запуск | |
| 2026-05-08 15:32 Набор изменён | 6.9 | 10.0 | $0.756 | Сравнить | |
| 2026-04-11 01:44 Первый зафиксированный запуск | 7.0 | Н/Д | $0.743 | Сравнить |
Этот запуск использовал другой набор бенчмарков. Учитывайте изменения набора при чтении исторической динамики.
Сравнение запусков
| Запуск | Покрытие бенчмарка | Оценка | Стабильность | Надежность | Тестов верно | Нестабильные тесты | Общее число выходных токенов | Общее число входных токенов | Общая стоимость | Время ответа (среднее) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:32 · Набор изменён | 60/60 попыток | 6.7 | 8.0 | 10.0 | 10/20 | 5 | 158,105 | 0 | $0.832 | 19.09s |
| 2026-04-11 01:44 · Первый зафиксированный запуск | 54/54 попыток | 7.0 | 7.8 | Н/Д | 9/18 | 5 | 111,626 | 0 | $0.743 | 10.33s |
| Разница | — | -0.3 | +0.2 | +1 | 0 | +46479 | 0 | +$0.089 | +8767ms |
Покрытие бенчмарка различается: 60/60 попыток (Цель: 3 повторов на тест) против 54/54 попыток (Цель: 3 повторов на тест). Итоги и метрики, зависящие от числа повторов, нельзя сравнивать напрямую.
Эти два запуска использовали разные наборы бенчмарков, поэтому различия отражают и изменения модели, и изменения набора.
Графики
Выберите первую модель, затем нажмите вторую, чтобы открыть страницу сравнения бок о бок.
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
Быстрое сравнение
Grok 4.20mediumvsMercury 2mediumGrok 4.20mediumvsSeed-2.0-MinimediumGrok 4.20mediumvsGPT-5.5noneGrok 4.20mediumvsKimi K2.5mediumGrok 4.20mediumvsGLM 5.1mediumGrok 4.20mediumvsKAT-Coder-Pro V2.5mediumGrok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsQwen3.7 FlashmediumGrok 4.20mediumvsGPT-5.6 SolnoneGrok 4.20mediumvsSeed-2.0-Codehigh
Разбивка по категориям
| Категория | Оценка | Стабильность | Тестов верно |
|---|---|---|---|
| Анти-ИИ уловки | 8.2 | 7.9 | |
| Программирование | 4.1 | 1.8 | |
| Комбинированный | 10.0 | 10.0 | |
| Парсинг и извлечение данных | 10.0 | 10.0 | |
| Предметно-ориентированное | 5.3 | 10.0 | |
| Общий интеллект | 3.9 | 2.6 | |
| Следование инструкциям | 7.3 | 6.0 | |
| Решение головоломок | 7.7 | 10.0 | |
| Вызов инструментов | 3.0 | 10.0 | |
| Эрудиция | 3.0 | 10.0 |