导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Nemotron 3 Ultra 550b A55b vs xAI: Grok 4.20

摘要

Nemotron 3 Ultra 550b A55b vs Grok 4.20 benchmark 对比：Nemotron 3 Ultra 550b A55b 平均分领先，为 8.1 vs 7.3。 Nemotron 3 Ultra 550b A55b benchmark 成本更低，为 $0.158 vs $0.609。 Nemotron 3 Ultra 550b A55b 更快，为 15.05s vs 27.68s，通过率为 69.8% vs 63.5%。

推荐模型: Nemotron 3 Ultra 550b A55b - 它在这里得分最高（8.1），同时成本比Grok 4.20低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

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 Grok 4.20 medium 发布日期: 2026-03-31
分数 8.1 7.3
排名 #26 #53
可靠性 9.7 10.0
一致性 8.8 8.8
测试正确
尝试通过率 69.8% 63.5%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 0.000 8.309
总成本 $0.158 $0.609
输入价格 $0.500 / 1M $1.250 / 1M
输出价格 $2.200 / 1M $2.500 / 1M
总输入令牌 46,813 44,433
输出令牌 18,002 1,819
推理令牌 53,091 219,524
响应时间（平均） 15.05s 27.68s
响应时间（最大） 43.93s 199.66s
响应时间（总计） 316.09s 581.26s

生成展示

Hamster playing table tennis

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

#26 Nemotron 3 Ultra 550b A55b

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#53 xAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 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 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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 3.0 10.0 0.0% 0 63.48s 531 9 16,442

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V4 FlashhighvsNemotron 3 Ultra 550b A55bmedium免费可用GPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.20mediumStep 3.7 FlashlowvsGrok 4.20mediumGemini 3.5 FlashnonevsGrok 4.20medium