Grok 4.20

xAI · 发布于 2026-02-17

评分规则

编程、知识问答证据不足

综合评分22.8未进入主榜 · 覆盖 47%评测较少（8/18）

编程18.4未进入分榜 · 覆盖 50%评测较少（2/4）单一机构

专业办公15.2第 69 名 · 覆盖 75%单一机构

知识问答29.2未进入分榜 · 覆盖 33%评测较少（1/3）单一机构

科研34.2第 73 名 · 覆盖 33%评测较少（2/6）单一机构

上下文窗口

2,000,000 token

API 价格

缓存 ¥1.34 · 输入 ¥13.37 · 输出 ¥40.12

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

8 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-07-13 至 2026-10-13；另有 5 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（2）

grok/grok-4.20-0309-reasoning
grok-4.20-0309-reasoning

缺少实测的领域：真人偏好。本站在综合分中按模型的整体能力估计这些领域，不等于已经测过。

编程

18.4

Code MigrationVals AI0.31%统一读数 ≤16.6

来源: Code Migration
上游型号: grok/grok-4.20-0309-reasoning
运行配置: 推理档位未提供 · Vals agentic 统一流程 · 输出上限 2000000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入
仅提供能力上限，不作为精确读数。

Vibe Code Bench v1.1Vals AI4.06%统一读数 ≤10.1

来源: Vibe Code Bench v1.1
上游型号: grok/grok-4.20-0309-reasoning
运行配置: 推理档位未提供 · OpenHands · 输出上限 2000000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入
仅提供能力上限，不作为精确读数。

科研

34.2

FrontierMath T1–3 v2Epoch AI44.91%统一读数 41.6

来源: FrontierMath T1–3 v2
上游型号: grok-4.20-0309-reasoning
运行配置: grok-4.20-0309-reasoning
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-07-13
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Chess PuzzlesEpoch AI29.00%统一读数 48.5

来源: Chess Puzzles
上游型号: grok-4.20-0309-reasoning
运行配置: grok-4.20-0309-reasoning
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-13
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

专业办公

15.2

Finance Agent (v2)Vals AI28.49%统一读数 6.8

来源: Finance Agent (v2)
上游型号: grok/grok-4.20-0309-reasoning
运行配置: 推理档位未提供 · Vals agentic 统一流程 · 输出上限 2000000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

Harvey's Legal Agent BenchmarkVals AI0.00%统一读数 ≤-63.1

来源: Harvey's Legal Agent Benchmark
上游型号: grok/grok-4.20-0309-reasoning
运行配置: 推理档位未提供 · Vals agentic 统一流程 · 输出上限 2000000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶
仅提供能力上限，不作为精确读数。

MedCodeVals AI32.16%统一读数 17.7

来源: MedCode
上游型号: grok/grok-4.20-0309-reasoning
运行配置: 推理档位未提供 · Vals one-shot 统一流程 · 输出上限 30000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-13 · 本站取数 2026-10-17
评分处理: 正常计入

知识问答

29.2

SimpleQA VerifiedEpoch AI30.20%统一读数 37.8

来源: SimpleQA Verified
上游型号: grok-4.20-0309-reasoning
运行配置: grok-4.20-0309-reasoning
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

真人偏好

24.3

暂无该领域实测记录；如有显示分数，它来自整体能力估计。

尚未测到（10）

Mystery Game Puzzles、LiveBench Coding、LiveBench Reasoning、LiveBench Data Analysis、LiveBench Language、LiveBench IF、Terminal-Bench 4.0、MysteryMechanism、Terminal-Bench-Science、Arena Text · 风格控制

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。