DataLearner 标志

Grok 4.20 评测详情

Grok 4.20 当前已收录的代表性评测结果包括 ECI(39 / 167,得分 152)、PinchBench v2(11 / 45,得分 80.33)、Creative Writing(47 / 110,得分 1573.60)。本页还提供与 1 个前代或同系列模型的迭代对比。

评测结果

Grok 4.20

评测结果

思考模式
工具使用

写作与创意表达

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
1573.60
47 / 110

多轮记忆与持续上下文

共 2 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
常规模式
20.32
123 / 126
Context Arena
思考模式
54
81 / 126

抽象归纳与泛化

共 1 项评测
评测名称 / 模式
得分
排名/总数
ARC-AGI-3
思考模式
0.09
—

跨能力聚合指数

共 2 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
152
39 / 167
Vals Index
思考模式工具
17.55
41 / 42

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
SAGE
思考模式工具
38.24
44 / 64
τ³-Banking
思考水平·高工具
18
98 / 167

金融

共 2 项评测
评测名称 / 模式
得分
排名/总数
Finance Agent v2
思考模式工具
28.49
43 / 43
EMB (Excel Modeling)
思考模式工具
11.74
40 / 42

法律

共 2 项评测
评测名称 / 模式
得分
排名/总数
Legal Research Bench
思考模式工具
13.94
36 / 42
0
36 / 43

跨应用与工具编排

共 1 项评测
评测名称 / 模式
得分
排名/总数
80.33
11 / 45

维护、优化与工程管理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Code Migration
思考模式工具
0.31
43 / 43

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
Vibe Code Bench v1.1
思考模式工具
4.06
56 / 61

临床工作与医疗决策

共 2 项评测
评测名称 / 模式
得分
排名/总数
MedScribe
思考模式工具
63.41
66 / 66
MedCode
思考模式工具
32.16
58 / 64

历代版本对比

Grok 4.20 系列各版本的评测成绩纵向对比

Grok 4.20Grok 4.1
当前筛选暂无评测数据。

Grok 4.20 所在系列的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

若存在上下文阈值,图中标准价仅适用于以下范围:

Grok 4.20: 标准价适用于 <= 200000
模型供应商标准输入标准输出标准价适用于
Grok 4.20
xAI$1.25 / 1M tokens$2.5 / 1M tokens<= 200000