Analyse de vitesse
Latence mesurée sur toutes les exécutions de benchmark. P50 (médiane) et P95 (95e percentile) donnent une image réaliste de la vitesse de réponse en charge normale et de pointe.
Tarifs
Ce que vous payez par million de tokens en utilisant ce modèle sur Tokonomix, avec une estimation pour une conversation type.
Tokens par seconde
Débit en tokens par seconde, dérivé de la latence P50 mesurée. Plus haut est mieux ; les fluctuations reflètent la charge côté fournisseur.
Estimé à partir de la latence P50 × 200 tokens de sortie — le chiffre absolu dépend de cette hypothèse ; c'est la tendance qui compte.
Capacités
Disponibilité
Disponibilité
La fréquence à laquelle ce modèle répond lorsqu'on l'appelle — mesurée sur de vraies requêtes API et des tests en direct au cours des 30 derniers jours. C'est indépendant de la qualité : ces chiffres indiquent seulement si le modèle répond, pas la qualité de sa réponse.
7 derniers jours
100.0%
n=16
30 derniers jours
100.0%
n=17
Temps de réponse médian
3,987ms
n=17
Basé sur 125 mesures au cours des 30 derniers jours.
Détails techniques
Seuls les vrais appels API et les requêtes de test en direct sont comptés — les sondes internes et les benchmarks sont exclus.
Les appels avec une clé API personnalisée (BYOK) sont exclus : ces échecs sont spécifiques à la clé, pas un signe de défaillance du modèle.
Les appels échoués ne sont PAS inclus dans les scores de qualité — la qualité est mesurée uniquement sur les réponses réussies. Disponibilité et qualité sont des signaux indépendants.
Temps de réponse médian (p50) sur les appels réussis avec une durée enregistrée. Les valeurs extrêmes influencent moins la médiane que la moyenne.
Total des appels (30d)
17
Réponses OK (30d)
17
Total des appels (7d)
16
Réponses OK (7d)
16
Verdicts benchmark Tokonomix
Grok 4.20 Non-Reasoning debuts with strong multimodal performance
Grok 4.20 Non-Reasoning enters the benchmark landscape as xAI's latest offering, demonstrating competitive performance across key evaluation metrics. The model achieves a 78.8% score on MMLU, positioning it solidly in the upper tier of current language models, though trailing the leading systems that exceed 85%. On mathematical reasoning tasks via MATH, it scores 71.9%, showing respectable capability but remaining below the frontier models approaching or surpassing 90%. The model delivers 85.5% on MMLU-Pro and 74.9% on GPQA Diamond, indicating strong performance on more challenging academic benchmarks. Coding ability registers at 74.2% on HumanEval, a competent showing for general programming tasks. Multimodal capabilities are notable, with 78.2% on MMMU demonstrating solid vision-language understanding. The model supports JSON structured outputs and tool calling functionality, making it practical for application development. While this baseline verdict cannot assess performance changes, Grok 4.20 Non-Reasoning establishes itself as a capable general-purpose model with particular strength in multimodal tasks, suitable for production use cases requiring reliable but not necessarily state-of-the-art performance across diverse domains.
Qualité
—
Latence p50
—
Exécutions de test
0