#52 xAI: Grok 4.20
medium- لاگت
- $0.041
- وقت
- 110.3s
- ٹوکنز
- 16,336 tok
X AI
اجرا: 2026-03-31
ٹیسٹ کیا گیا: 2026-04-11 01:44
x-ai/grok-4.20::medium
~1T کل (~100B فعال)MoEبند ماخذتخمینہ
(medium)
(none)
خلاصہ
Grok 4.20 AI BENCHY پر 7.0 اسکور کرتا ہے اور #52 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 66.7%، کل لاگت $0.743، اور اوسط response time 10.33s ہے۔
Grok 4.20 کو منفرد کیا بناتا ہے: یہ مشترکہ میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ کوڈنگ اس کا کمزور ترین حصہ ہے، rank #18. یہ ملتے جلتے models کے مقابلے میں نمایاں طور پر تیز ہے۔
شناختی نوٹ
Grok 4.20 Beta، Grok 4.20 کا پری ویو ورژن تھا۔
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- ~1T کل (~100B فعال)
- ساخت
- MoE
- دستیابی
- بند ماخذ
- لائسنس
- -
عوامی شواہد کی بنیاد پر بہترین تخمینہ؛ فراہم کنندہ نے تمام اقدار ظاہر نہیں کیں۔
7.0
تسلسل
7.8
دستیاب نہیں
$0.743
کل آؤٹ پٹ ٹوکنز
111,626
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$2.000 / 1M
آؤٹ پٹ قیمت
$6.000 / 1M
غیر مستحکم ٹیسٹ
5
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 02:57 دوبارہ ٹیسٹ | 7.0 | 10.0 | $0.805 ↓ | موازنہ کریں | |
| 2026-07-16 23:07 نیا ٹیسٹ شامل ہوا | 7.1 | 10.0 | $0.777 ↓ | موازنہ کریں | |
| 2026-06-04 14:17 نیا ٹیسٹ شامل ہوا | 7.1 | 10.0 | $0.609 ↓ | موازنہ کریں | |
| 2026-05-22 00:32 سوٹ بدل گیا | 6.7 | 10.0 | $0.832 | موازنہ کریں | |
| 2026-05-08 15:32 سوٹ بدل گیا | 6.9 | 10.0 | $0.756 | موازنہ کریں | |
| 2026-04-11 01:44 پہلا ریکارڈ شدہ رن | 7.0 | دستیاب نہیں | $0.743 | موجودہ رن |
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · پہلا ریکارڈ شدہ رن | 54/54 کوششیں | 7.0 | 7.8 | دستیاب نہیں | 9/18 | 5 | 111,626 | 0 | $0.743 | 10.33s |
| 2026-08-14 02:57 · دوبارہ ٹیسٹ | 66/66 کوششیں | 7.0 | 8.2 | 10.0 | 11/22 | 5 | 270,259 | 102,986 | $0.805 | 32.56s |
| فرق | — | 0.0 | -0.4 | -2 | 0 | -158633 | -102986 | -$0.062 | -22236ms |
بینچ مارک کوریج مختلف ہے: 54/54 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 66/66 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
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
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 8.2 | 7.9 | |
| کوڈنگ | 4.3 | 1.1 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 10.0 | 10.0 | |
| ڈومین مخصوص | 5.3 | 10.0 | |
| عمومی ذہانت | 5.8 | 2.8 | |
| ہدایات کی پیروی | 7.3 | 5.9 | |
| پہیلی حل کرنا | 6.4 | 7.7 | |
| ٹول کالنگ | 3.0 | 10.0 |