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
—
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
Tokonomix kıyaslama kararları
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
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
- 208
xAI tarafından daha fazla