#80 Grok 4.20 Multi Agent Beta
medium- Cost
- $0.261
- Time
- 123.4s
- Tokens
- 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 6.6，排名 #80。它的可靠性为 不适用，通过率为 63.0%，总成本为 $5.074，平均响应时间为 9.80s。
Grok 4.20 Multi Agent Beta 的独特之处： 它最突出的是 编程，排名 #1；相对较弱的是 工具调用，排名 #11。 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
$0.000 / 1M
输出价格
$0.000 / 1M
不稳定测试
6
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）。
Generation showcase
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 | 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 | 当前轮次 | |
| 2026-04-11 01:19 首次记录的运行 | 6.4 | 不适用 | $5.074 | 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） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:16 · 测试集已变更 | 6.6 | 7.4 | 不适用 | 8/18 | 6 | 608,704 | 0 | $5.074 | 9.80s |
| 2026-05-06 14:16 · 重新测试 | 6.6 | 7.9 | 不适用 | 8/18 | 5 | 600,042 | 721,952 | $5.599 | 9.69s |
| 差值 | +0.1 | -0.5 | 0 | +1 | +8662 | -721952 | -$0.526 | +105ms |
图表
先选择第一个模型，再点击第二个模型打开并排页面。