Geschwindigkeitsanalyse
Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.
Preise
Was Sie pro Million Tokens zahlen, wenn Sie dieses Modell über Tokonomix nutzen, plus eine Schätzung für ein typisches Gespräch.
Tokens pro Sekunde
Durchsatz in Tokens pro Sekunde, abgeleitet aus gemessener P50-Latenz. Höhere Werte sind besser; Schwankungen spiegeln die Provider-seitige Last wider.
Geschätzt aus P50-Latenz × 200 Output-Tokens — die absolute Zahl hängt von dieser Annahme ab; entscheidend ist der Trend.
Fähigkeiten
Verfügbarkeit
Verfügbarkeit
Wie oft dieses Modell antwortet, wenn wir es aufrufen — gemessen anhand echter API-Anfragen und Live-Tests der letzten 30 Tage. Dies ist unabhängig von der Qualität: Diese Zahlen zeigen nur, ob das Modell antwortet, nicht wie gut die Antwort ist.
Letzte 7 Tage
—
Letzte 30 Tage
100.0%
n=1
Mediane Antwortzeit
2,505ms
n=1
Basierend auf 121 Messungen in den letzten 30 Tagen.
Technische Details
Nur echte API-Aufrufe und Live-Test-Anfragen werden gezählt — interne Proben und Benchmark-Läufe sind ausgeschlossen.
Aufrufe mit einem eigenen API-Schlüssel (BYOK) sind ausgeschlossen: Diese Fehler sind schlüsselspezifisch und kein Zeichen für Modellausfälle.
Fehlgeschlagene Aufrufe werden NICHT in Qualitätswerten berücksichtigt — Qualität wird nur für erfolgreiche Antworten gemessen. Verfügbarkeit und Qualität sind unabhängige Signale.
Mediane Antwortzeit (p50) über erfolgreiche Aufrufe mit aufgezeichneter Dauer. Ausreißer beeinflussen den Median weniger als den Durchschnitt.
Gesamte Aufrufe (30d)
1
OK-Antworten (30d)
1
Gesamte Aufrufe (7d)
0
OK-Antworten (7d)
0
Tokonomix-Benchmark-Urteile
Grok 4.20 Reasoning maintains strong performance across benchmarks
Grok 4.20 Reasoning (0309) shows stable performance across the benchmark window with minimal variation from its previous evaluation. The model continues to demonstrate strong coding capabilities with MBPP at 82.7% and HumanEval at 91.5%, placing it competitively among leading models. Mathematical reasoning remains robust with 85.0% on GSM8K and 74.6% on MATH, though trailing some specialized models in this domain. Visual understanding through MMMU-Pro achieves 57.0%, indicating solid multi-modal performance. The model's reasoning capabilities are reflected in strong GPQA performance at 60.1%. Instruction following on IFEval maintains a respectable 66.5% strict score. Overall benchmark scores place Grok 4.20 Reasoning at 69.8% simple average and 68.2% weighted, representing consistent high-tier performance without significant regression or breakthrough improvements. The model continues to excel in coding tasks while maintaining balanced capabilities across mathematical, visual, and reasoning domains. Users can expect reliable performance for complex reasoning tasks, code generation, and multi-modal applications, though mathematical problem-solving may require additional verification for specialized use cases.
Qualität
—
Latenz p50
—
Testläufe
0