AI BENCHY 对比

Nemotron 3 Ultra 550b A55b vs Grok 4.20 Beta

摘要

Nemotron 3 Ultra 550b A55b vs Grok 4.20 Beta benchmark 对比：Nemotron 3 Ultra 550b A55b 平均分领先，为 7.5 vs 5.8。 Grok 4.20 Beta benchmark 成本更低，为 $0.087 vs $0.177。 Grok 4.20 Beta 更快，为 1.19s vs 15.05s，通过率为 69.8% vs 37.0%。

推荐模型: Grok 4.20 Beta - 它提供了最佳整体取舍：得分有竞争力（5.8），成本低于Nemotron 3 Ultra 550b A55b，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用	Grok 4.20 Beta Grok 4.20 Beta none 发布日期: 2026-03-12

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用	Grok 4.20 Beta Grok 4.20 Beta none 发布日期: 2026-03-12
分数	7.5	5.8
排名	#42	#107
可靠性	9.7	不适用
一致性	8.8	9.6
测试正确
尝试通过率	69.8%	37.0%
不稳定测试	3	1
总运行次数	63	52
每个结果成本	0.000	1.510
总成本	$0.177	$0.087
输入价格	$0.500 / 1M	$2.041 / 1M
输出价格	$2.500 / 1M	$2.041 / 1M
总输入令牌	46,813	40,597
输出令牌	18,002	1,657
推理令牌	53,091	0
响应时间（平均）	15.05s	1.19s
响应时间（最大）	43.93s	6.48s
响应时间（总计）	316.09s	21.43s

Generation showcase

Hamster playing table tennis

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

#42 Nemotron 3 Ultra 550b A55b

medium

No showcase result has been generated for this model yet.

Cost: $0.000
Time: -
Tokens: 0 tok

#107 Grok 4.20 Beta

none

Invalid SVG

Cost: $0.004
Time: 8.5s
Tokens: 1,672 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		8.62s	780	835	1,485
Grok 4.20 Beta	4.0	8.4	16.7%	1		597ms	1,986	251	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	8.4	7.4	88.9%	1		26.53s	7,686	2,854	17,725
Grok 4.20 Beta	5.5	10.0	0.0%	0		1.14s	358	74	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		43.93s	17,574	1,040	3,590
Grok 4.20 Beta	3.0	10.0	0.0%	0		6.48s	17,673	282	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		5.68s	7,989	473	1,285
Grok 4.20 Beta	10.0	10.0	100.0%	0		601ms	7,749	197	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	3.5	4.4	33.3%	2		24.90s	858	11,169	16,249
Grok 4.20 Beta	3.0	10.0	0.0%	0		611ms	1,746	160	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	3.7	9.5	0.0%	0		2.52s	360	70	235
Grok 4.20 Beta	5.0	10.0	0.0%	0		541ms	819	87	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		6.35s	765	182	1,243
Grok 4.20 Beta	6.3	10.0	50.0%	0		649ms	1,350	60	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	5.5	9.9	33.3%	0		3.54s	792	771	2,055
Grok 4.20 Beta	7.7	10.0	66.7%	0		586ms	1,671	357	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		7.72s	9,781	304	984
Grok 4.20 Beta	10.0	10.0	100.0%	0		4.79s	7,245	189	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Nemotron 3 Ultra 550b A55b	3.0	10.0	0.0%	0		38.47s	228	304	8,240
Grok 4.20 Beta	-	-	-	-	-	-	-	-	-

快速对比

切换对比组合