#196 Grok 4.20 Multi Agent Beta
medium- 成本
- $0.261
- 时间
- 123.4s
- 令牌
- 199,344 tok
X AI
发布日期: 2026-03-12
测试于: 2026-05-06 14:16
x-ai/grok-4.20-multi-agent-beta::medium
摘要
Grok 4.20 Multi Agent Beta 在 AI BENCHY 上得分 4.8，排名 #196。它的可靠性为 不适用，通过率为 48.5%，总成本为 $5.599，平均响应时间为 9.69s。
Grok 4.20 Multi Agent Beta 的独特之处： 它最突出的是 数据解析与提取，排名 #1；相对较弱的是 常识问答，排名 #13。 它使用的推理 token 明显偏高，这可能解释较慢或成本更高的运行。
已归档模型：该模型将不再更新，也不会在新测试中继续测试。
输入价格
$4.235 / 1M
输出价格
$4.235 / 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）。
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:16 重新测试 | 4.8 | 不适用 | $5.599 ↑ | 当前轮次 | |
| 2026-05-06 14:16 重新测试 | 6.6 | 不适用 | $5.599 ↑ | 比较 | |
| 2026-05-06 14:16 重新测试 | 6.6 | 不适用 | $5.074 | 比较 | |
| 2026-05-06 14:16 测试集已变更 | 6.6 | 不适用 | $5.074 | 比较 | |
| 2026-04-11 01:19 首次记录的运行 | 6.4 | 不适用 | $5.074 | 比较 |
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） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · 当前轮次 | 4.8 | 6.4 | 不适用 | 8/18 | 5 | 600,042 | 721,952 | $5.599 | 9.69s |
| 2026-04-11 01:19 · 首次记录的运行 | 6.4 | 7.4 | 不适用 | 7/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 差值 | -1.7 | -1.0 | +1 | -1 | -8662 | +721952 | +$0.526 | -105ms |
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。
价格历史
来自 OpenRouter 的该模型历史定价数据。
| 日期 | 输入价格 | 输出价格 |
|---|---|---|
| 2026-06-04 15:40 | $4.235 / 1M | $4.235 / 1M |
图表
先选择第一个模型，再点击第二个模型打开并排页面。