Grok 4.20
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 11 分之一。
有 8 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 5 个。
截至 2026年11月16日,Grok 4.20(SpaceXAI)在 BenchLeader Index 上得分 58.3(共 608 个已排名配置)。表现最好的是指令遵循(79),最弱的是智能体与工具(51)。API 价格为输入每百万 token $1.25、输出每百万 token $2.50(按 3:1 混合为 $1.56),为 2026年11月16日的标价。输出速度约为 110 token/秒(Artificial Analysis)。发布于 2026年2月17日。
要点(截至 2026年11月16日)
- Grok 4.20 的 API 价格为输入每百万 token $1.25、输出每百万 token $2.50(按 3:1 混合为 $1.56)(标价,2026年11月16日)。
- Grok 4.20 的输出速度约为 110 token/秒(Artificial Analysis,2026年11月16日)。
- Grok 4.20 于 2026年2月17日发布(SpaceXAI)。
详细说明:Grok 4.20 是 SpaceXAI 的闭源推理模型,发布于 2026年2月17日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 58.3 ±4.2,在 608 个配置中排第 132 名,处于上半区。关键在于这个“±”:另有 240 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(79),智能体与工具最低(51)。按混合价格计,每百万 token $1.56,比大多数已排名模型贵。输出速度为 111 token/秒,首次回答需 12.1 秒,比大多数模型快。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $1.56/M
- 输入 $1.25 · 输出 $2.50
- 来源:Artificial Analysis
- 输出速度
- 111 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 12 s
- 首 token 0.60 s
- 上下文
- 2M
- 来源:OpenRouter
- 完整回答
- 44 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年2月17日
- 综合 Index58
- 推理61
- 编程53
- 智能体与工具51
- 数学54
- 知识53
- 指令遵循79
- 人类偏好66
- 多模态58
- 长上下文59
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/grok-4-20)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
SpaceXAI 以这个名称发布过 11 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Grok 4.7xhigh | 2026年9月21日 | 57.4 | #154 |
| Grok 4.6high | 2026年8月11日 | 60.6 | #74 |
| Grok 4.5 | 2026年7月8日 | 59.3 | #109 |
| Grok 4.3high | 2026年4月17日 | 56.5 | #180 |
| Grok 4.2high | 2026年3月10日 | – | – |
| Grok 4.20thinking本页 | 2026年2月17日 | 58.3 | #132 |
| Grok 4.1 | 2025年11月17日 | 57.1 | #160 |
| Grok 4 | 2025年7月9日 | 58.1 | #136 |
| Grok 3 | 2025年2月17日 | 50.9 | #326 |
| Grok 2 | 2024年12月12日 | 42.3 | #495 |
| Grok 4.20 1 | – | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月9日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| GPQA Diamond | – | 89.3%#61 | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | – | 1489#53 | – | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 77.6%#223 | 91.1%#50 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 27.9%#185 | 34.5%#140 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 88.6%#33 | – | Vals AI | |
| Kagi LLM Benchmark | – | 75.0%#12 | 44.8%#96 | Kagi LLM Benchmark | |
| ARC-AGI-1 | – | 89.5%#90 | – | ARC Prize | |
| ARC-AGI-2 | – | 65.1%#81 | – | ARC Prize | |
| ARC-AGI-3 | – | 0.1%#74 | – | ARC Prize | |
| CritPt不计入 Index | 0.3%#291 | 6.6%#160 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1477#83 | – | Arena (LMArena) | |
| Chess Puzzles不计入 Index | – | 29.0%#73 | – | Epoch AI Benchmarking Hub | |
| CL-bench不计入 Index推理强度未说明 | – | – | 22.2%#3 | Epoch AI Benchmarking Hub | |
| CL-bench Life不计入 Index推理强度未说明 | – | – | 11.9%#12 | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | – | 38.7%#118 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 90.1%#88 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | – | 64.1%#30 | 63.1%#44 | ForecastBench |
编程
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| WeirdML推理强度未说明 | – | 52.3%#66 | WeirdML | |
| Arena Coding | 1511#60 | – | Arena (LMArena) | |
| Arena WebDev | 1376#112 | – | Arena (LMArena) | |
| LiveCodeBench | 84.3%#39 | – | Vals AI | |
| SWE-bench (Vals)不计入 Index | 72.2%#54 | – | Vals AI | |
| Code Migration不计入 Index | 0.3%#77 | – | Vals AI | |
| Vibe Code Bench v1.1不计入 Index | 4.1%#111 | – | Vals AI | |
| ALE-Bench不计入 Index推理强度未说明 | – | 1150.3#57 | Epoch AI Benchmarking Hub | |
| Design Arena Website不计入 Index | 1221#77 | 1211#84 | Design Arena |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | – | 57.3%#26 | Terminal-Bench | |
| Terminal-Bench Hard | 16.7%#188 | 37.9%#62 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 59.9%#183 | 93.0%#46 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (Vals) | – | 44.2%#64 | – | Vals AI | |
| HiL-Bench推理强度未说明 | – | – | 20.0%#31 | Scale AI SEAL | |
| APEX-Agents (AA)不计入 Index | – | 14.2%#26 | – | Artificial Analysis | |
| Finance Agent v2不计入 Index | – | 28.5%#74 | – | Vals AI | |
| Harvey's Legal Agent Benchmark v1不计入 Index | – | 0.0%#64 | – | Vals AI | |
| Legal Research Bench不计入 Index | – | 13.9%#78 | – | Vals AI | |
| Tax Agent Bench不计入 Index | – | 7.0%#75 | – | Vals AI | |
| Terminal-Bench 2.0 (Vals)不计入 Index | – | 40.5%#31 | – | Vals AI | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | 4662.9#39 | Andon Labs | |
| Design Arena Agentic不计入 Index | – | 1093#59 | – | Design Arena |
数学
| 基准测试 | thinking | 来源 | 趋势 |
|---|---|---|---|
| FrontierMath Tiers 1–3 | 44.9%#61 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 17.1%#60 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 92.2%#75 | Epoch AI Benchmarking Hub | |
| ProofBench | 14.0%#66 | Vals AI | |
| AIME (Vals) | 96.5%#6 | Vals AI | |
| Arena Maths | 1464#62 | Arena (LMArena) |
知识
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | – | 30.2%#76 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | – | 86.3%#43 | Vals AI | |
| LegalBench | – | 77.7%#105 | Vals AI | |
| CorpFin | – | 63.7%#43 | Vals AI | |
| TaxEval | – | 74.1%#40 | Vals AI | |
| MedQA | – | 94.5%#16 | Vals AI | |
| CaseLaw v2不计入 Index | – | 54.5%#38 | Vals AI | |
| Excel Modeling Benchmark不计入 Index | – | 11.7%#73 | Vals AI | |
| MedCode不计入 Index | – | 32.2%#88 | Vals AI | |
| MedScribe不计入 Index | – | 63.4%#100 | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | 83.1%#51 | 89.5%#18 | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| IFBench | 49.3%#179 | 81.2%#5 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | – | 1448#71 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1472#49 | – | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1574#51 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1445#53 | – | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1479#44 | – | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1466#69 | – | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision | – | 1263#53 | – | Arena (LMArena) | |
| MMMU-Pro | 64.9%#193 | 74.6%#122 | – | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | – | 83.5%#32 | – | Vals AI | |
| MortgageTax不计入 Index | – | 45.4%#83 | – | Vals AI | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | 0.0%#33 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 23.3%#443 | 69.0%#249 | Artificial Analysis | |
| Arena Document不计入 Index | – | 1440#37 | Arena (LMArena) |
综合
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 152.3#58 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 14.2#307 | 25.7#167 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 224.6#339 | 281.9#170 | – | Artificial Analysis | |
| Vals Multimodal Index不计入 Index | – | 39.1%#32 | – | Vals AI |
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| SpaceXAI | 97 tok/s | 0.47 s | $1.25 | $2.50 | 2M | – |
| SpaceXAI | 81 tok/s | 0.52 s | $1.25 | $2.50 | 2M | – |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.200。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0013 | $0.0009 | 14.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.017 | $0.0071 | 17.5 s |
| 代码编辑 | 6,000 / 1,500 | $0.011 | $0.0065 | 25.6 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.085 | $0.038 | 48.1 s |
| 结构化信息提取 | 2,000 / 200 | $0.0030 | $0.0014 | 13.9 s |
将 Grok 4.20 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Grok 4.20 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/grok-4-20)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Grok 4.20 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-20
BibTeX:
@misc{benchleader_grok_4_20_20261116,
author = {{BenchLeader}},
title = {{Grok 4.20 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-4-20}},
note = {Data as of 2026-11-16}
}常见问题
- Grok 4.20 的基准测试得分是多少?
- 截至 2026年11月16日,Grok 4.20(推理强度 thinking)的 BenchLeader Index 为 58.3 ±4.2。最强的是指令遵循(79),最弱的是智能体与工具(51)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Grok 4.20 排名第几?
- 截至 2026年11月16日,Grok 4.20(推理强度 thinking)在 608 个已排名配置中排第 132 名。另有 240 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Grok 4.20 每百万 token 的价格是多少?
- 截至 2026年11月16日,Grok 4.20 的价格为输入每百万 token $1.25、输出每百万 token $2.50,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.56。标价最近一次变动是在 2026年10月18日。
- Grok 4.20 比 Muse Spark Open 816B A42B 更好吗?
- 截至 2026年11月16日,Grok 4.20(推理强度 thinking)与 Muse Spark Open 816B A42B(推理强度 xhigh)的质量不相上下(BenchLeader Index 58.3 比 58.1,在 ±7.3 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Grok 4.20 是什么时候发布的?
- SpaceXAI 于 2026年2月17日发布了 Grok 4.20。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Grok 4.20:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/grok-4-20。