BenchLeader

Grok 4.20 Multi-Agent

质量第 59 / 339 名
58.5Index
前四分之一
较中位数 +8.3
价格第 163 / 255 名
$1.56每百万 token
比多数贵
中位数的 1.8 倍
速度第 2 / 216 名
349token/秒
前 10%
中位数的 4.3 倍
性价比第 159 / 255 名
37.4分/$
低于中位数
中位数的 0.7 倍

性价比更高: Claude Haiku 5.5 $0.200/M 即可获得 Index 56.7,便宜 87%。

有 7 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 4 个。

截至 2026年11月16日,Grok 4.20 Multi-Agent(SpaceXAI)在 BenchLeader Index 上得分 58.5(共 608 个已排名配置)。表现最好的是人类偏好(66),最弱的是多模态(59)。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 350 token/秒(OpenRouter)。发布于 2026年3月9日。

要点(截至 2026年11月16日)

  • Grok 4.20 Multi-Agent 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 Multi-Agent 的输出速度约为 350 token/秒(OpenRouter,2026年11月16日)。
  • Grok 4.20 Multi-Agent 于 2026年3月9日发布(SpaceXAI)。

详细说明:Grok 4.20 Multi-Agent 是 SpaceXAI 的闭源推理模型,发布于 2026年3月9日。其最佳配置在 BenchLeader Index 上得分 58.5 ±2.0,在 608 个配置中排第 128 名,处于上半区。关键在于这个“±”:另有 221 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,人类偏好得分最高(66),多模态最低(59)。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 349 token/秒,首 token 延迟 11.8 秒,位于最快的四分之一。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:OpenRouter
输出速度
349 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
12 s
上下文
2M
来源:OpenRouter
单任务成本
–
单任务 token 数
–
发布日期
2026年3月9日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index59
  2. 推理65
  3. 编程64
  4. 数学63
  5. 人类偏好66
  6. 多模态59

嵌入这个排名

更多徽章样式
[![Grok 4.20 Multi-Agent on BenchLeader: 综合第 59 名](https://www.benchleader.com/badge/grok-4-20-multi-agent.svg?style=compact)](https://www.benchleader.com/models/grok-4-20-multi-agent)

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。

SpaceXAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

Index 走势

2026年9月19日 至 2026年11月16日
565961

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

基准测试默认来源趋势
Arena Hard Prompts1484#61Arena (LMArena)
Arena Expert不计入 Index1483#71Arena (LMArena)

编程

基准测试默认来源趋势
Arena Coding1509#63Arena (LMArena)

智能体与工具

基准测试默认来源趋势
Arena Search不计入 Index1207#15Arena (LMArena)

数学

基准测试默认来源趋势
Arena Maths1455#72Arena (LMArena)

指令遵循

基准测试默认来源趋势
Arena Instruction Following不计入 Index1444#77Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1471#50Arena (LMArena)
Arena Creative Writing不计入 Index1448#46Arena (LMArena)
Arena Multi-turn不计入 Index1475#54Arena (LMArena)
Arena Longer Queries不计入 Index1458#79Arena (LMArena)

多模态

基准测试默认来源趋势
Arena Vision1259#57Arena (LMArena)

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
SpaceXAI486 tok/s2.76 s$1.25$2.502M–

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$0.000912.7 s
总结一份 30 页的报告12,000 / 600$0.017$0.007113.5 s
代码编辑6,000 / 1,500$0.011$0.006516.1 s
智能体编程会话60,000 / 4,000$0.085$0.03823.3 s
结构化信息提取2,000 / 200$0.0030$0.001412.4 s

SpaceXAI 的更多模型

本月新上线

将 Grok 4.20 Multi-Agent 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 Multi-Agent 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。

[![Grok 4.20 Multi-Agent on BenchLeader: 综合第 59 名](https://www.benchleader.com/badge/grok-4-20-multi-agent.svg)](https://www.benchleader.com/models/grok-4-20-multi-agent)

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 Multi-Agent on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-20-multi-agent

BibTeX:

@misc{benchleader_grok_4_20_multi_agent_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 4.20 Multi-Agent on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-4-20-multi-agent}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Grok 4.20 Multi-Agent 的基准测试得分是多少?
截至 2026年11月16日,Grok 4.20 Multi-Agent 的 BenchLeader Index 为 58.5 ±2.0。最强的是人类偏好(66),最弱的是多模态(59)。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 Multi-Agent 排名第几?
截至 2026年11月16日,Grok 4.20 Multi-Agent 在 608 个已排名配置中排第 128 名。另有 221 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 Multi-Agent 每百万 token 的价格是多少?
截至 2026年11月16日,Grok 4.20 Multi-Agent 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。
Grok 4.20 Multi-Agent 比 Qwen3.8 Max 更好吗?
截至 2026年11月16日,Grok 4.20 Multi-Agent 与 Qwen3.8 Max(推理强度 max)的质量不相上下(BenchLeader Index 58.5 比 58.7,在 ±3.9 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 Multi-Agent 是什么时候发布的?
SpaceXAI 于 2026年3月9日发布了 Grok 4.20 Multi-Agent。

数据截至 2026年11月16日。 与其他模型对比

引用格式:BenchLeader,《Grok 4.20 Multi-Agent: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-multi-agent。