Análisis de velocidad
Latencia medida en todas las ejecuciones de benchmark. P50 (mediana) y P95 (percentil 95) dan una imagen realista de la velocidad de respuesta bajo carga normal y máxima.
Precios
Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.
Tokens por segundo
Rendimiento en tokens por segundo, derivado de la latencia P50 medida. Más alto es mejor; las fluctuaciones reflejan la carga del lado del proveedor.
Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.
Capacidades
Disponibilidad
Disponibilidad
Con qué frecuencia responde este modelo cuando lo llamamos — medido en solicitudes reales de API y pruebas en vivo durante los últimos 30 días. Esto es independiente de la calidad: estos números solo indican si el modelo responde, no qué tan buena es la respuesta.
Últimos 7 días
—
Últimos 30 días
100.0%
n=4
Tiempo de respuesta mediano
6,509ms
n=4
Basado en 361 mediciones en los últimos 30 días.
Detalles técnicos
Solo cuentan las llamadas reales a la API y las solicitudes de prueba en vivo — las sondas internas y las ejecuciones de referencia están excluidas.
Las llamadas con una clave API propia (BYOK) están excluidas: esos fallos son específicos de la clave, no una señal de inactividad del modelo.
Las llamadas fallidas NO se incluyen en las puntuaciones de calidad — la calidad se mide solo en respuestas exitosas. Disponibilidad y calidad son señales independientes.
Tiempo de respuesta mediano (p50) en llamadas exitosas con una duración registrada. Los valores atípicos afectan menos a la mediana que a la media.
Total de llamadas (30d)
4
Respuestas OK (30d)
4
Total de llamadas (7d)
0
Respuestas OK (7d)
0
Veredictos del benchmark Tokonomix
Grok 4.20 maintains consistent performance across benchmark windows
Grok 4.20 Non-Reasoning demonstrates stable performance between benchmark windows, with no significant changes in capability scores. The model continues to offer JSON output, tool use, and vision capabilities as previously established. Across coding benchmarks, the model maintains identical scores: 70.3% on HumanEval, 83.9% on MBPP, and 48.8% on SWE-bench Verified. Mathematical reasoning remains steady at 83.5% on MATH-500 and 89.5% on GSM8K. Instruction following shows consistent performance at 81.0% on IFEval with 87.1% on the strict variant. The model's multimodal capabilities show unchanged scores, with 59.8% on MMMU and 76.1% on MathVista. Graduate-level reasoning tasks maintain previous performance levels at 57.1% on GPQA Diamond. This benchmark window reflects operational stability rather than advancement. Users can expect consistent output quality matching the previous window, with established strengths in mathematical problem solving and instruction adherence. The model continues to serve as a reliable non-reasoning variant within the Grok family, maintaining its position without notable gains or regressions.
Calidad
—
Latencia p50
—
Ejecuciones de test
0
Grok 4.20 Non-Reasoning (0309)
por xAI
- Ventana de contexto
- 1.048576M tokens
- Precio de entrada
- $1.87 / 1M
- Precio de salida
- $3.74 / 1M
- Tier
- Tier B — Producción
- Modalidad
- Texto + visión
- Tipo de API
- REST · streaming
- Ejecuciones benchmark
- 208