Hız analizi
Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.
Fiyatlar
Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.
Saniye başına token
Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.
P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.
Yetenekler
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
Tokonomix kıyaslama kararları
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
Grok 4.20 Non-Reasoning (0309)
xAI tarafından
- Bağlam penceresi
- 1.048576M tokens
- Giriş fiyatı
- $1.87 / 1M
- Çıkış fiyatı
- $3.74 / 1M
- Seviye
- Seviye B — Üretim
- Modalite
- Metin + görüntü
- API türü
- REST · akış
- Benchmark çalıştırmaları
- 39
xAI tarafından daha fazla