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 gecikme39 runs
439252246066689877210-0110-10ms
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)24 / avg 271
45120

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

100.0%

n=14

Son 30 gün

100.0%

n=17

Medyan yanıt süresi

3,987ms

n=17

Baz alınan 134 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)

17

OK yanıtlar (30d)

17

Toplam çağrı (7d)

14

OK yanıtlar (7d)

14

Bölüm 06

Tokonomix kıyaslama kararları

● 2026-10-04

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.

Kalite

—

Gecikme p50

—

Test çalıştırmaları

0

✓ Strong MMLU-Pro performance (85.5%)✓ Multimodal support with vision capability✗ Math trails frontier models significantly✓ Tool calling and JSON enabled
Son otomatik test
10 Eki 2026 · 20:01 UTC · Hız testi
P50 gecikme
8354 ms
P95 gecikme
—
Hatalar
2 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·10 Ekim 2026