#61 Grok 4.20 Multi Agent Beta
medium- لاگت
- $0.261
- وقت
- 123.4s
- ٹوکنز
- 199,344 tok
X AI
اجرا: 2026-03-12
ٹیسٹ کیا گیا: 2026-04-11 01:19
x-ai/grok-4.20-multi-agent-beta::medium
~1T کل (~100B فعال)MoEبند ماخذتخمینہ خلاصہ
Grok 4.20 Multi Agent Beta AI BENCHY پر 6.4 اسکور کرتا ہے اور #61 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 57.4%، کل لاگت $5.074، اور اوسط response time 9.80s ہے۔
Grok 4.20 Multi Agent Beta کو منفرد کیا بناتا ہے: یہ ملتے جلتے models کے مقابلے میں نمایاں طور پر تیز ہے۔
آرکائیو شدہ ماڈل: اس ماڈل کو اب اپ ڈیٹ نہیں کیا جائے گا اور نئے ٹیسٹس پر ٹیسٹ نہیں کیا جائے گا
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۔
6.4
تسلسل
7.4
دستیاب نہیں
$5.074
کل آؤٹ پٹ ٹوکنز
608,704
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.000 / 1M
آؤٹ پٹ قیمت
$0.000 / 1M
کیش پڑھنے کی قیمت
دستیاب نہیں
کیش میں لکھنے کی قیمت
دستیاب نہیں
کیش کی قیمتیں ان پٹ ٹوکنز پر لاگو ہوتی ہیں۔ پڑھنے سے محفوظ پرامپٹ دوبارہ استعمال ہوتے ہیں؛ لکھنے سے وہ محفوظ ہوتے ہیں اور اضافی لاگت آ سکتی ہے۔ آؤٹ پٹ ٹوکنز پر آؤٹ پٹ کی قیمت لاگو ہوتی ہے۔
غیر مستحکم ٹیسٹ
6
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 دوبارہ ٹیسٹ | 4.8 | دستیاب نہیں | $5.599 ↑ | موازنہ کریں | |
| 2026-05-06 14:16 دوبارہ ٹیسٹ | 4.8 | دستیاب نہیں | $5.599 ↑ | موازنہ کریں | |
| 2026-05-06 14:16 دوبارہ ٹیسٹ | 6.6 | دستیاب نہیں | $5.599 ↑ | موازنہ کریں | |
| 2026-05-06 14:16 دوبارہ ٹیسٹ | 6.6 | دستیاب نہیں | $5.074 | موازنہ کریں | |
| 2026-05-06 14:16 سوٹ بدل گیا | 6.6 | دستیاب نہیں | $5.074 | موازنہ کریں | |
| 2026-04-11 01:19 پہلا ریکارڈ شدہ رن | 6.4 | دستیاب نہیں | $5.074 | 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 01:19 · پہلا ریکارڈ شدہ رن | 52/54 کوششیں | 6.4 | 7.4 | دستیاب نہیں | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-05-06 14:16 · دوبارہ ٹیسٹ | 52/54 کوششیں | 6.6 | 7.9 | دستیاب نہیں | 8/18 | 5 | 600,042 | 721,952 | $5.599 | 9.69s |
| فرق | — | -0.1 | -0.5 | -1 | +1 | +8662 | -721952 | -$0.526 | +105ms |
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
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 6.9 | 5.8 | |
| کوڈنگ | 10.0 | 10.0 | |
| مشترکہ | 3.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 10.0 | 10.0 | |
| ڈومین مخصوص | 2.9 | 7.2 | |
| عمومی ذہانت | 5.8 | 2.8 | |
| ہدایات کی پیروی | 8.3 | 10.0 | |
| پہیلی حل کرنا | 7.2 | 5.1 | |
| ٹول کالنگ | 3.0 | 10.0 |