- 排名
- #145
- 总输出令牌
- 270,259
- 响应时间（平均）
- 32.56s
- 总成本
- $0.805
已对比模型
Grok 4.20 (medium) vs Grok 4.20 Beta (medium) vs Grok 4.3 (medium) 基准对比: Grok 4.3 (medium) 在分数上以 7.0 领先。 Grok 4.20 (medium) 在可靠性上以 10.0 领先。 Grok 4.3 (medium) 的总成本最低，为 $0.741。 Grok 4.20 Beta (medium) 最快，为 9.75s。
已对比模型
- 排名
- #210
- 总输出令牌
- 93,212
- 响应时间（平均）
- 9.75s
- 总成本
- $0.750
- 排名
- #139
- 总输出令牌
- 225,904
- 响应时间（平均）
- 44.21s
- 总成本
- $0.741
推荐模型
Grok 4.3 (medium)
它在本次比较中得分最高（7.0），并且在全部 3 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | Grok 4.20 Grok 4.20 medium | Grok 4.20 Beta Grok 4.20 Beta medium | Grok 4.3 Grok 4.3 medium |
|---|---|---|---|
| 分数 | 7.0 | 6.0 | 7.0 |
| 排名 | #145 | #210 | #139 |
| 可靠性 | 10.0 | 不适用 | 10.0 |
| 一致性 | 8.2 | 7.8 | 8.2 |
| 尝试次数 | 66/66 | 52/66 | 66/66 |
| 测试正确 | |||
| 尝试通过率 | 60.6% | 66.7% | 66.7% |
| 不稳定测试 | 5 | 1 | 5 |
| 总运行次数 | 66 | 52 | 66 |
| 每个结果成本 | 10.365 | 4.505 | 6.168 |
| 总成本 | $0.805 | $0.750 | $0.741 |
| 输入价格 | $1.250 / 1M | $5.805 / 1M | $1.250 / 1M |
| 输出价格 | $2.500 / 1M | $5.805 / 1M | $2.500 / 1M |
| 总输入令牌 | 102,986 | 35,955 | 140,244 |
| 输出令牌 | 5,860 | 1,647 | 13,739 |
| 推理令牌 | 264,399 | 91,565 | 212,165 |
| 响应时间（平均） | 32.56s | 9.75s | 44.21s |
| 响应时间（最大） | 199.66s | 31.36s | 216.69s |
| 响应时间（总计） | 716.36s | 175.48s | 972.64s |
| 参数量 | ~1T 总计 (~100B 激活) | ~1T 总计 (~100B 激活) | ~1.5T 总计 (~150B 激活) |
| 开放状态 | 闭源 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#145 SpaceXAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 tok
#210 Grok 4.20 Beta
medium- 成本
- $0.034
- 时间
- 91.0s
- 令牌
- 13,523 tok
#139 SpaceXAI: Grok 4.3
medium- 成本
- $0.009
- 时间
- 19.0s
- 令牌
- 3,661 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.95s | 2,010 | 287 | 8,312 | |
| Grok 4.20 Beta | 8.7 | 7.9 | 91.7% | 1 | 3.16s | 2,010 | 268 | 7,583 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 2,010 | 88 | 8,207 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 6.3 | 6.6 | 55.6% | 1 | 109.93s | 8,307 | 268 | 103,150 | |
| Grok 4.20 Beta | 3.3 | 3.3 | 33.3% | 0 | 31.36s | 360 | 81 | 3,987 | |
| Grok 4.3 | 5.9 | 7.7 | 44.4% | 1 | 41.23s | 8,340 | 1,028 | 31,226 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 8.7 | 6.9 | 83.3% | 1 | 42.25s | 71,267 | 3,776 | 44,009 | |
| Grok 4.20 Beta | 5.0 | 5.0 | 50.0% | 0 | 20.93s | 12,909 | 227 | 12,212 | |
| Grok 4.3 | 6.5 | 10.0 | 50.0% | 0 | 55.07s | 108,468 | 11,992 | 21,601 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 7,761 | 180 | 5,333 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 7,761 | 180 | 5,281 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 18.97s | 7,761 | 180 | 9,546 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 2.9 | 7.2 | 11.1% | 1 | 49.71s | 1,959 | 872 | 59,761 | |
| Grok 4.20 Beta | 5.3 | 10.0 | 33.3% | 0 | 21.33s | 1,764 | 251 | 40,255 | |
| Grok 4.3 | 3.5 | 4.4 | 33.3% | 2 | 158.01s | 1,977 | 14 | 95,783 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 825 | 65 | 6,440 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 825 | 72 | 3,440 | |
| Grok 4.3 | 5.4 | 2.5 | 66.7% | 1 | 24.70s | 825 | 70 | 5,020 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 9.8 | 10.0 | 100.0% | 0 | 4.26s | 1,362 | 57 | 6,419 | |
| Grok 4.20 Beta | 9.8 | 10.0 | 100.0% | 0 | 4.89s | 1,362 | 57 | 7,123 | |
| Grok 4.3 | 9.8 | 10.0 | 100.0% | 0 | 18.58s | 1,362 | 57 | 8,713 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 7.7 | 10.0 | 66.7% | 0 | 6.22s | 1,689 | 149 | 7,913 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 3.52s | 1,689 | 328 | 6,300 | |
| Grok 4.3 | 5.9 | 7.2 | 55.6% | 1 | 22.52s | 1,689 | 128 | 14,468 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 7,275 | 197 | 6,620 | |
| Grok 4.20 Beta | 3.0 | 10.0 | 0.0% | 0 | 12.39s | 7,275 | 183 | 5,384 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 17.66s | 7,263 | 168 | 4,615 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 63.48s | 531 | 9 | 16,442 | |
| Grok 4.20 Beta | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| Grok 4.3 | 3.0 | 10.0 | 0.0% | 0 | 44.47s | 549 | 14 | 12,986 |
快速对比
切换对比组合
GPT-5.6 SolnonevsGrok 4.3mediumGPT-5.5nonevsGrok 4.20mediumMercury 2.5highvsGrok 4.3mediumGPT-5.5nonevsGrok 4.3mediumGPT-5.6 SolnonevsGrok 4.20mediumSolar Pro 4highvsGrok 4.3mediumClaude Fable 5.1lowvsGrok 4.20mediumSeed-2.0-CodehighvsGrok 4.20mediumMercury 2.5highvsGrok 4.20mediumStep 3.7 FlashlowvsGrok 4.3mediumMuse Glimmer 30BlowvsGrok 4.3mediumSolar Pro 4highvsGrok 4.20medium