Snelheidsanalyse
Latency gemeten over alle benchmark-runs. P50 (mediaan) en P95 (95e percentiel) geven een realistisch beeld van de responssnelheid onder normale en piekbelasting.
Prijzen
Wat je per miljoen tokens betaalt als je dit model via Tokonomix gebruikt, plus een schatting voor een gemiddeld gesprek.
Tokens per seconde
Doorvoersnelheid in tokens per seconde, afgeleid uit gemeten P50-latency. Hogere waarden zijn beter; fluctuaties weerspiegelen serverbelasting bij de provider.
Geschat uit P50-latency × 200 output-tokens — het absolute getal hangt af van deze aanname; de trend is wat telt.
Mogelijkheden
Beschikbaarheid
Beschikbaarheid
Hoe vaak dit model antwoordt als we het aanroepen — gemeten over echte API-aanvragen en live-tests in de afgelopen 30 dagen. Dit staat los van kwaliteit: deze cijfers laten alleen zien of het model reageert, niet hoe goed het antwoord is.
Afgelopen 7 dagen
100.0%
n=6
Afgelopen 30 dagen
100.0%
n=17
Mediane responstijd
3,987ms
n=17
Gebaseerd op 137 metingen in de afgelopen 30 dagen.
Technische details
Alleen echte API-aanroepen en live-testverzoeken tellen mee — interne probes en benchmarkruns zijn uitgesloten.
Aanroepen met een eigen API-sleutel (BYOK) zijn uitgesloten: die fouten zijn sleutelspecifiek en geen teken van modelneergang.
Mislukte aanroepen worden NIET meegeteld in kwaliteitsscores — kwaliteit wordt gemeten op geslaagde responses. Beschikbaarheid en kwaliteit zijn onafhankelijke signalen.
Mediane responstijd (p50) over geslaagde aanroepen met een vastgelegde duur. Uitschieters trekken de mediaan minder dan het gemiddelde.
Totaal aanroepen (30d)
17
OK-reacties (30d)
17
Totaal aanroepen (7d)
6
OK-reacties (7d)
6
Tokonomix benchmark-oordelen
Grok 4.20 Non-Reasoning maintains strong performance across benchmarks
Grok 4.20 Non-Reasoning (0309) demonstrates consistent performance across the second benchmark window, maintaining its position as a capable general-purpose model. The model continues to excel in mathematics with MATH at 72.7% and strong GPQA Diamond performance at 56.8%. Coding abilities remain solid with HumanEval at 87.2% and a notably high 83.5% on SWE-bench Verified, indicating strong real-world software engineering capabilities. Multimodal performance stays competitive with MMMU at 69.8% and MathVista at 67.7%, though these scores place it in the middle tier among contemporary models. The model handles multiple languages adequately, with MGSM showing 75.9% accuracy across diverse language tasks. No significant benchmark changes were observed between windows, suggesting stable model behavior and reliable performance characteristics. The previously introduced JSON, tools, and vision capabilities continue to be supported. Users can expect consistent results for mathematical reasoning, coding tasks, and multimodal applications, though top-tier specialized models may outperform Grok 4.20 in specific domains. The model represents a well-rounded option for developers seeking predictable performance across varied tasks without surprising regressions or improvements.
Kwaliteit
—
Latency p50
—
Testruns
0