#61 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 199,344 tok
X AI
Релиз: 2026-03-12
Проверено: 2026-04-11 01:19
x-ai/grok-4.20-multi-agent-beta::medium
Сводка
Grok 4.20 Multi Agent Beta набирает 6.4 в AI BENCHY и занимает #61. У модели надежность Н/Д, доля успешных попыток 57.4%, общая стоимость $5.074 и среднее время ответа 9.80s.
Что делает Grok 4.20 Multi Agent Beta особенной: Сильнее всего модель выделяется в Программирование, где занимает #1; самая слабая область — Предметно-ориентированное с #16. Она использует необычно много reasoning-токенов, что может объяснять более медленные или дорогие запуски.
Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
6.4
Стабильность
7.4
Н/Д
Общее число выходных токенов
608,704
Общее число входных токенов
0
Цена входа
$0.000 / 1M
Цена выхода
$0.000 / 1M
Нестабильные тесты
6
Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 Повторный тест | 6.6 | Н/Д | $5.599 ↑ | Сравнить | |
| 2026-05-06 14:16 Повторный тест | 6.6 | Н/Д | $5.074 | Сравнить | |
| 2026-05-06 14:16 Набор изменён | 6.6 | Н/Д | $5.074 | Сравнить | |
| 2026-04-11 01:19 Первый зафиксированный запуск | 6.4 | Н/Д | $5.074 | Текущий запуск |
Сравнение запусков
| Запуск | Оценка | Стабильность | Надежность | Тестов верно | Нестабильные тесты | Общее число выходных токенов | Общее число входных токенов | Общая стоимость | Время ответа (среднее) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · Первый зафиксированный запуск | 6.4 | 7.4 | Н/Д | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-05-06 14:16 · Набор изменён | 6.6 | 7.4 | Н/Д | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| Разница | -0.2 | 0.0 | -1 | 0 | 0 | 0 | $0.000 | 0ms |
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
Разбивка по категориям
| Категория | Оценка | Стабильность | Тестов верно |
|---|---|---|---|
| Анти-ИИ уловки | 6.9 | 5.8 | |
| Программирование | 10.0 | 10.0 | |
| Комбинированный | 3.0 | 10.0 | |
| Парсинг и извлечение данных | 10.0 | 10.0 | |
| Предметно-ориентированное | 2.9 | 7.2 | |
| Общий интеллект | 5.8 | 2.8 | |
| Следование инструкциям | 8.3 | 10.0 | |
| Решение головоломок | 7.2 | 5.1 | |
| Вызов инструментов | 3.0 | 10.0 |