身份说明
Grok 4.20 Beta 是 Grok 4.20 的预览版本。
????
$2.000 / 1M
????
$6.000 / 1M
不稳定测试
5
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）。
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-05-08 15:32 测试集已变更 | 6.9 | 10.0 | $0.756 | 比较 | |
| 2026-04-11 01:44 首次记录的运行 | 7.0 | 不适用 | $0.743 | 当前轮次 |
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 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · 首次记录的运行 | 7.0 | 7.8 | 不适用 | 9/18 | 5 | 111,626 | $0.743 | 10.33s |
| 2026-05-08 15:32 · 测试集已变更 | 6.9 | 8.3 | 10.0 | 10/19 | 4 | 130,017 | $0.756 | 14.53s |
| 差值 | +0.1 | -0.5 | -1 | +1 | -18391 | -$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。
快速对比
Grok 4.20mediumvsRing 2.6 1tnone免费可用Grok 4.20mediumvsQwen3.5-35B-A3BmediumGrok 4.20mediumvsMiMo-V2-FlashmediumGrok 4.20mediumvsGPT-5.2mediumGrok 4.20mediumvsRing 2.6 1tmedium免费可用Grok 4.20mediumvsDeepSeek V3.2mediumGrok 4.20mediumvsGemini 3 Flash PreviewmediumGrok 4.20mediumvsGemini 3.1 Pro Previewmedium