İçeriğe geç
Seviye B — Üretim
Çalıştığı yer:USYapıldığı yer:United States
xAI

Grok 4.20 Non-Reasoning (0309)

Seviye B — Üretim · 1.048576M token

Tokonomix Editöryel Ekibi·İnceleyen Mes Kalkan··
Bölüm 01

Hız analizi

Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.

P50 gecikme (medyan)P95 gecikme119 runs
369116519602756355110-2311-22ms
Bölüm 02

Fiyatlar

Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.

💰
API tarifeleri — Grok 4.20 Non-Reasoning (0309)
$1.87 1M giriş token başına
$3.74 1M çıkış token başına
≈ $0.0019 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$1.87
1M çıkış token başına$3.74
Bölüm 03

Saniye başına token

Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.

Verim (token / s)430 / avg 392
536125

P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.

Bölüm 04

Yetenekler

jsontoolsvisionreasoning
Bölüm 05

Kullanılabilirlik

Kullanılabilirlik

Bu modelin çağrıldığında ne sıklıkla yanıt verdiği — son 30 gün içindeki gerçek API istekleri ve canlı testler üzerinden ölçülmüştür. Bu kaliteden bağımsızdır: bu sayılar yalnızca modelin yanıt verip vermediğini gösterir, yanıtın ne kadar iyi olduğunu değil.

Son 7 gün

—

Son 30 gün

100.0%

n=4

Medyan yanıt süresi

6,509ms

n=4

Baz alınan 361 ölçüm son 30 gün içinde.

Teknik detaylar

Yalnızca gerçek API çağrıları ve canlı test istekleri sayılır — dahili yoklamalar ve kıyaslama çalıştırmaları hariçtir.

Özel API anahtarıyla (BYOK) yapılan çağrılar hariçtir: bu hatalar anahtara özgüdür, model kesintisinin işareti değildir.

Başarısız çağrılar kalite puanlarına DAHİL EDİLMEZ — kalite yalnızca başarılı yanıtlar üzerinden ölçülür. Kullanılabilirlik ve kalite bağımsız sinyallerdir.

Kaydedilmiş süreye sahip başarılı çağrılarda medyan yanıt süresi (p50). Aykırı değerler medyanı ortalamadan daha az etkiler.

Toplam çağrı (30d)

4

OK yanıtlar (30d)

4

Toplam çağrı (7d)

0

OK yanıtlar (7d)

0

Bölüm 06

Tokonomix kıyaslama kararları

● 2026-11-22

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.

Kalite

—

Gecikme p50

—

Test çalıştırmaları

0

✓ Stable benchmark performance maintained✓ No regressions detected
Son otomatik test
22 Kas 2026 · 08:04 UTC · Hız testi
P50 gecikme
465 ms
P95 gecikme
572 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·22 Kasım 2026