#66 xAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 tok
摘要
Grok 4.20 在 AI BENCHY 上得分 6.9，排名 #66。它的可靠性为 10.0，通过率为 63.2%，总成本为 $0.756，平均响应时间为 14.53s。
身份说明
Grok 4.20 Beta 是 Grok 4.20 的预览版本。
输入价格
$1.250 / 1M
输出价格
$2.500 / 1M
不稳定测试
4
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-06-04 14:17 新增测试 | 7.1 | 10.0 | $0.609 ↓ | 比较 | |
| 2026-05-22 00:32 测试集已变更 | 6.7 | 10.0 | $0.832 | 比较 | |
| 2026-05-08 15:32 测试集已变更 | 6.9 | 10.0 | $0.756 | 当前轮次 | |
| 2026-04-11 01:44 首次记录的运行 | 7.0 | 不适用 | $0.743 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:32 · 测试集已变更 | 6.9 | 8.3 | 10.0 | 10/19 | 4 | 130,017 | 0 | $0.756 | 14.53s |
| 2026-04-11 01:44 · 首次记录的运行 | 7.0 | 7.8 | 不适用 | 9/18 | 5 | 111,626 | 0 | $0.743 | 10.33s |
| 差值 | -0.1 | +0.5 | +1 | -1 | +18391 | 0 | +$0.014 | +4203ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。