xAISprachmodellAktiv

Grok 4.20 Non-Reasoning

Für Grok 4.20 Non-Reasoning gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.

Leistungnoch ohne Platz

k. A.Gesamtindexhöher ist besser

TempoPlatz 48 von 101

88Token pro Sekundehöher ist besser

Preiskein API-Preis

k. A.je 1 Mio. Tokenniedriger ist besser

KontextPlatz 31 von 102

1 Mio.Token auf einmal≈ 1.500 A4-Seiten

BeliebtheitPlatz 670 von 875

0von 100wie im Vormonat

Zusammenfassung

Mit 88 Token pro Sekunde schreibt es schneller als ein typisches Modell (87).

Grok 4.20 Non-Reasoning hat neben Grok 4.20 Reasoning eine eigene API-Kennung, grok-4.20-0309-non-reasoning. xAI führt beide als getrennte Varianten. Die Non-Reasoning-Version verarbeitet Text und Bilder mit bis zu 1 Million Token Kontext und gibt Text aus.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 15 veröffentlichten Benchmark-Werte anzeigen

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

CritPt v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0.28571428571428603
Bewertung: 0.28571428571428603
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: v2
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: disputed
Abrufdatum: 2026-11-02
Methodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Kennung des Quellmodells: artificial-analysis/64312f37-3701-4243-a4c9-7c07a58cd6b9/grok-4-20/grok-4-20-non-reasoning. Name des Quellmodells: Grok 4.20 0309 v2. Anbieter laut Quelle: SpaceXAI. Modellstand: Grok 4.20 0309 v2 (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 0,3 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-critpt-v2:v2:standalone:non-reasoning:effort=unspecified:suffix=Non-reasoning
Vergleichsmethodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die AA-Quelle enthält hier den ursprünglichen CritPt-Wert. Die frühere Zuordnung zu CritPt v2 ist falsch; Wert und frühere Beschriftung bleiben als strittiger Altbeleg erhalten.. Der Quelldatensatz markiert diesen Wert als umstritten. Er bleibt als dokumentierte Evidenz sichtbar, ist aber kein belastbarer Vergleichsnachweis.

Quelle Artificial Analysis

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 49.319727891156504
Bewertung: 49.319727891156504
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: superseded
Abrufdatum: 2026-11-02
Methodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/64312f37-3701-4243-a4c9-7c07a58cd6b9/grok-4-20/grok-4-20-non-reasoning. Name des Quellmodells: Grok 4.20 0309 v2. Anbieter laut Quelle: SpaceXAI. Modellstand: Grok 4.20 0309 v2 (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 49,3 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=Non-reasoning
Vergleichsmethodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.

Quelle Artificial Analysis

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 49.319727891156504
Bewertung: 49.319727891156504
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-11-06
Methodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/64312f37-3701-4243-a4c9-7c07a58cd6b9/grok-4-20/grok-4-20-non-reasoning. Name des Quellmodells: Grok 4.20 0309 v2. Anbieter laut Quelle: SpaceXAI. Modellstand: Grok 4.20 0309 v2 (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 49,3 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-06-ec1194e008b3. Prüfsumme der Quelldaten: ec1194e008b3638ef60dbf5249daf9e6047364e22905e745a4af64c5f3f080fe. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-06. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=Non-reasoning
Vergleichsmethodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 64.91329479768791
Bewertung: 64.91329479768791
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: superseded
Abrufdatum: 2026-11-02
Methodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/64312f37-3701-4243-a4c9-7c07a58cd6b9/grok-4-20/grok-4-20-non-reasoning. Name des Quellmodells: Grok 4.20 0309 v2. Anbieter laut Quelle: SpaceXAI. Modellstand: Grok 4.20 0309 v2 (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 64,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:non-reasoning:effort=unspecified:suffix=Non-reasoning
Vergleichsmethodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 64.91329479768791
Bewertung: 64.91329479768791
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-11-06
Methodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/64312f37-3701-4243-a4c9-7c07a58cd6b9/grok-4-20/grok-4-20-non-reasoning. Name des Quellmodells: Grok 4.20 0309 v2. Anbieter laut Quelle: SpaceXAI. Modellstand: Grok 4.20 0309 v2 (Non-reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 64,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-06-ec1194e008b3. Prüfsumme der Quelldaten: ec1194e008b3638ef60dbf5249daf9e6047364e22905e745a4af64c5f3f080fe. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-06. Quellenkohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:non-reasoning:effort=unspecified:suffix=Non-reasoning
Vergleichsmethodik: Exakte AA-Konfiguration: Grok 4.20 0309 v2 (Non-reasoning) (Release grok-4-20, Zeile grok-4-20-non-reasoning, UUID 64312f37-3701-4243-a4c9-7c07a58cd6b9, reasoning=false, effort=nicht angegeben, suffix=Non-reasoning). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.

Quelle Artificial Analysis

CDDM crop accuracy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 72.8
Bewertung: 72.8
Messgröße: crop-label exact-match accuracy
Einheit: %
Benchmark-Version: VIDA CDDM Round-1; paper published 2026-08-11
Kategorie: multimodal
Richtung: Mehr ist besser
Stichprobe: 1219
Quellentyp: independent-evaluator
Auswertung: Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2
Status: active
Abrufdatum: 2026-10-16
Methodik: Unabhängige Evaluation. Exakte Modellzeichenfolge der Studie: grok-4.20-non-reasoning, in Tabelle 1 als Grok-4.20-Fast bezeichnet. VIDA Round-1 prüfte unabhängig 1.219 CDDM-Blattbilder aus 53 Klassen im Zero-Shot-Verfahren. Die Eingabe enthielt die Taxonomie für Pflanzen und Krankheiten, ließ aber den Datensatznamen weg. Das Ausgabebudget betrug ungefähr 600-700 Token. Dies ist ein Einzelmodellwert, kein späteres Ergebnis aus der PANDA-Diskussion oder dem Ensemble. Anfragedatum, Temperatur und unveränderlicher Serving-Checkpoint sind nicht angegeben.
Einordnung: Dies ist ein auf die Zero-Shot-Erkennung von Pflanzenkrankheiten begrenzter VLM-Wert, kein allgemeiner Modellqualitätsscore. Die Studie nennt einen Alias statt eines unveränderlichen Modell-Checkpoints oder Anfragezeitpunkts. xAI dokumentiert diesen Alias derzeit als grok-4.20-0309-non-reasoning. Die Studie belegt jedoch nicht, welcher Checkpoint ihre frühere Auswertung bediente.

Quelle Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2

CDDM combined crop-disease accuracy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 32.6
Bewertung: 32.6
Messgröße: crop and disease labels both correct
Einheit: %
Benchmark-Version: VIDA CDDM Round-1; paper published 2026-08-11
Kategorie: multimodal
Richtung: Mehr ist besser
Stichprobe: 1219
Konfidenzintervall: 2.6
Untere Konfidenzgrenze: 30
Obere Konfidenzgrenze: 35.2
Quellentyp: independent-evaluator
Auswertung: Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2
Status: active
Abrufdatum: 2026-10-16
Methodik: Unabhängige Evaluation. Exakte Modellzeichenfolge der Studie: grok-4.20-non-reasoning, in Tabelle 1 als Grok-4.20-Fast bezeichnet. VIDA Round-1 prüfte unabhängig 1.219 CDDM-Blattbilder aus 53 Klassen im Zero-Shot-Verfahren. Die Eingabe enthielt die Taxonomie für Pflanzen und Krankheiten, ließ aber den Datensatznamen weg. Das Ausgabebudget betrug ungefähr 600-700 Token. Dies ist ein Einzelmodellwert, kein späteres Ergebnis aus der PANDA-Diskussion oder dem Ensemble. Anfragedatum, Temperatur und unveränderlicher Serving-Checkpoint sind nicht angegeben.
Einordnung: Dies ist ein auf die Zero-Shot-Erkennung von Pflanzenkrankheiten begrenzter VLM-Wert, kein allgemeiner Modellqualitätsscore. Die Studie nennt einen Alias statt eines unveränderlichen Modell-Checkpoints oder Anfragezeitpunkts. xAI dokumentiert diesen Alias derzeit als grok-4.20-0309-non-reasoning. Die Studie belegt jedoch nicht, welcher Checkpoint ihre frühere Auswertung bediente.

Quelle Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2

CDDM disease accuracy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 39.9
Bewertung: 39.9
Messgröße: disease-label exact-match accuracy
Einheit: %
Benchmark-Version: VIDA CDDM Round-1; paper published 2026-08-11
Kategorie: multimodal
Richtung: Mehr ist besser
Stichprobe: 1219
Quellentyp: independent-evaluator
Auswertung: Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2
Status: active
Abrufdatum: 2026-10-16
Methodik: Unabhängige Evaluation. Exakte Modellzeichenfolge der Studie: grok-4.20-non-reasoning, in Tabelle 1 als Grok-4.20-Fast bezeichnet. VIDA Round-1 prüfte unabhängig 1.219 CDDM-Blattbilder aus 53 Klassen im Zero-Shot-Verfahren. Die Eingabe enthielt die Taxonomie für Pflanzen und Krankheiten, ließ aber den Datensatznamen weg. Das Ausgabebudget betrug ungefähr 600-700 Token. Dies ist ein Einzelmodellwert, kein späteres Ergebnis aus der PANDA-Diskussion oder dem Ensemble. Anfragedatum, Temperatur und unveränderlicher Serving-Checkpoint sind nicht angegeben.
Einordnung: Dies ist ein auf die Zero-Shot-Erkennung von Pflanzenkrankheiten begrenzter VLM-Wert, kein allgemeiner Modellqualitätsscore. Die Studie nennt einen Alias statt eines unveränderlichen Modell-Checkpoints oder Anfragezeitpunkts. xAI dokumentiert diesen Alias derzeit als grok-4.20-0309-non-reasoning. Die Studie belegt jedoch nicht, welcher Checkpoint ihre frühere Auswertung bediente.

Quelle Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2

CDDM parse failure rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0
Bewertung: 0
Messgröße: three-stage output parser failure rate; lower is better
Einheit: %
Benchmark-Version: VIDA CDDM Round-1; paper published 2026-08-11
Kategorie: multimodal
Richtung: Weniger ist besser
Stichprobe: 1219
Quellentyp: independent-evaluator
Auswertung: Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2
Status: active
Abrufdatum: 2026-10-16
Methodik: Unabhängige Evaluation. Exakte Modellzeichenfolge der Studie: grok-4.20-non-reasoning, in Tabelle 1 als Grok-4.20-Fast bezeichnet. VIDA Round-1 prüfte unabhängig 1.219 CDDM-Blattbilder aus 53 Klassen im Zero-Shot-Verfahren. Tabelle 2 nennt den Anteil der Ausgaben, die den dreistufigen Parser der Studie nicht bestanden. Die Eingabe enthielt die Taxonomie für Pflanzen und Krankheiten, ließ aber den Datensatznamen weg. Das Ausgabebudget betrug ungefähr 600-700 Token. Anfragedatum, Temperatur und unveränderlicher Serving-Checkpoint sind nicht angegeben.
Einordnung: Dieser Wert erfasst Parser-Kompatibilität in einer einzelnen Aufgabenpipeline, keinen allgemeinen Modellqualitätsscore. Null Parserfehler belegen keine allgemeine Zuverlässigkeit strukturierter Ausgaben. Die Studie nennt einen Alias statt eines unveränderlichen Modell-Checkpoints oder Anfragezeitpunkts. xAI dokumentiert diesen Alias derzeit als grok-4.20-0309-non-reasoning. Die Studie belegt jedoch nicht, welcher Checkpoint ihre frühere Auswertung bediente.

Quelle Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2

PANDA Round 3 per-agent combined accuracy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 32.2
Bewertung: 32.2
Messgröße: Share of images where crop and disease labels are both correct after debate round 3
Einheit: %
Benchmark-Version: VIDA CDDM evaluation, PANDA headline panel, Table 7; paper published 2026-08-11
Kategorie: multimodal
Richtung: Mehr ist besser
Stichprobe: 1219
Quellentyp: community-reported
Auswertung: A multi-agent vision-language debate framework for zero-shot crop disease diagnosis
Status: active
Abrufdatum: 2026-10-18
Methodik: Community-Messung. Das PANDA-Hauptpanel wird auf demselben CDDM-Satz mit 1.219 Bildern ausgewertet. Tabelle 1 ordnet Grok-4.20-Fast der exakten Modellzeichenfolge grok-4.20-non-reasoning zu. Es diskutiert mit GPT-4.1 und Qwen-VL. Tabelle 7 berichtet die kombinierte Genauigkeit der einzelnen Agenten für Pflanzen- und Krankheitslabel nach Runde 3. Der Wert 0,322 wird hier als 32,2 % ausgedrückt. Es handelt sich um die Bedingung nach der Diskussion, nicht um einen alleinstehenden Aufruf aus Runde 1.
Einordnung: Der Wert hängt von einem einzelnen Drei-Agenten-Diskussionspanel ab. Er stammt weder aus einem neuen Datensatz noch aus einer alleinstehenden Modellevaluation. Das Paper nennt für R1 bis R3 einen Wilcoxon-p-Wert von 0,248, aber kein Konfidenzintervall für die R3-Zelle. Eine Zugehörigkeit des Evaluators zum Modellanbieter wurde in der geprüften Quelle nicht festgestellt. Der Wert ist daher vorsichtig als Community-Bericht eingestuft.

Quelle A multi-agent vision-language debate framework for zero-shot crop disease diagnosis

Hermes Grok Bench v0.1 compatibility micro-suite (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 2
Bewertung: 2
Messgröße: tasks passed
Einheit: count
Benchmark-Version: v0.1, run 2026-05-04T081941Z
Kategorie: agentic
Richtung: Mehr ist besser
Stichprobe: 3
Quellentyp: independent-evaluator
Auswertung: Julien Talbot Hermes Grok Bench
Status: active
Abrufdatum: 2026-10-15
Methodik: Unabhängige Evaluation. Exakte API-Kennung grok-4.20-0309-non-reasoning; Lauf 2026-05-04T081941Z. Je eine Rechen-, Wetterwerkzeug- und Primzahlcode-Aufgabe. Zwei bestanden, null Reasoning-Token erfasst.
Einordnung: Historischer Kompatibilitäts-Kurztest mit drei Aufgaben, keine allgemeine Leistungsrangliste. Je eine Anfrage ohne Unsicherheitsintervall. Unabhängig von unseren Community-Tests.

Quelle Julien Talbot Hermes Grok Bench

CDDM GPT-5-judged reasoning quality (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 7.29
Bewertung: 7.29
Messgröße: mean on a 1-10 GPT-5 judge scale
Einheit: rating
Benchmark-Version: VIDA CDDM Round-1; paper published 2026-08-11
Kategorie: multimodal
Richtung: Mehr ist besser
Stichprobe: 1219
Quellentyp: independent-evaluator
Auswertung: Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2
Status: active
Abrufdatum: 2026-10-16
Methodik: Unabhängige Evaluation. Exakte Modellzeichenfolge der Studie: grok-4.20-non-reasoning, in Tabelle 1 als Grok-4.20-Fast bezeichnet. VIDA Round-1 prüfte unabhängig 1.219 CDDM-Blattbilder aus 53 Klassen im Zero-Shot-Verfahren. Ein nicht beteiligter GPT-5-Richter bewertete die Begründungsqualität auf einer Skala von 1 bis 10. Die Eingabe enthielt die Taxonomie für Pflanzen und Krankheiten, ließ aber den Datensatznamen weg. Das Ausgabebudget betrug ungefähr 600-700 Token. Anfragedatum, Temperatur und unveränderlicher Serving-Checkpoint sind nicht angegeben.
Einordnung: Dies ist ein auf die Zero-Shot-Erkennung von Pflanzenkrankheiten begrenzter VLM-Wert, kein allgemeiner Modellqualitätsscore. Die Begründungsnote stammt von einem unabhängigen Modellrichter, nicht von menschlichen Bewertenden. Die Studie nennt einen Alias statt eines unveränderlichen Modell-Checkpoints oder Anfragezeitpunkts. xAI dokumentiert diesen Alias derzeit als grok-4.20-0309-non-reasoning. Die Studie belegt jedoch nicht, welcher Checkpoint ihre frühere Auswertung bediente.

Quelle Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2

Seite 1 von 2

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter

20 von 101 Modellen

GPT-573

DeepSeek V4.1 Flash 101768

Kimi K368

DiffusionGemma 26B A4B IT63

Claude Opus 562

Qwen 3.8 Flash62

Grok 4.20 Non-Reasoning0

DeepSeek V4.1 Flash 1017

DiffusionGemma 26B A4B IT

Claude Opus 5

Qwen 3.8 Flash

Grok 4.20 Non-Reasoning

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 5. November 2026

Grok 4.20 Non-ReasoningAgnes 3.0 FlashAion 3.5Aion 3.5 MiniEmber-1

Alle technischen Daten

Ein- und Ausgabe

Kontextfenster: 1.000.000 Token; Quelle: Kontextfenster
Modalitäten: Text- und Bildeingabe, Textausgabe; Quelle: Modalitäten
Funktionen: Funktionsaufrufe und strukturierte Ausgaben; Quelle: Funktionen

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen: Unbekannt; ohne Quelle
Watermarking-Technik: Nicht bekannt; ohne Quelle

API

API-Modellkennung: grok-4.20-0309-non-reasoning; Quelle: API-Modellkennung

Preise

In keinem Abo in Deutschland enthalten.

Alle Tarife im KI-Abo-Vergleich

Häufige Fragen zu Grok 4.20 Non-Reasoning

Wie groß ist das Kontextfenster von Grok 4.20 Non-Reasoning?

1 Mio. Token. So viel Text liest Grok 4.20 Non-Reasoning auf einmal, das sind rund 1.500 A4-Seiten.

Seitenzahl als Faustregel nach Artificial Analysis

KontextfensterToken, die das Modell auf einmal liest · höher ist besser

Grok 4.20 Non-ReasoningPlatz 31 von 1021 Mio.

Claude Opus 5.51 Mio.

Gemini 4 Carbon1 Mio.

Claude Fable 5.11 Mio.

Claude Sonnet 5.51 Mio.

Muse Wonder Full1 Mio.

Claude Opus 51 Mio.

Wie schnell ist Grok 4.20 Non-Reasoning?

88 Token pro Sekunde. Das ist schneller als ein typisches Modell mit 87.

Gemessen von Artificial Analysis am 06.11.2026. AA 3.0.0, einschließlich Zeit bis zum ersten Token, über verfügbare Workloads und fünf Tage gemittelt.

TempoToken pro Sekunde · höher ist besser

GPT-589

Grok 4.20 Non-ReasoningPlatz 48 von 10188

Claude Fable 5.188

GPT-5 mini87

Claude Fable 586

GPT-4.1 mini85

GLM-5.285

Kann ich Grok 4.20 Non-Reasoning lokal nutzen?

Nein. xAI veröffentlicht die Gewichte nicht.

Angaben von xAI

Offene Gewichte: nein
Lizenz: k. A.
Parameter: k. A.
davon aktiv je Token: k. A.

Quellen und Datenstand

Alle 18 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Auswerter	Testreihen	Gesamtindizes	Erfasste aktive Messwerte
Artificial Analysis	2	0	2

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

Art	Nachweis und Datenstand
Geschwindigkeit	SpaceXAI, Non-reasoning. AA 3.0.0, einschließlich Zeit bis zum ersten Token, über verfügbare Workloads und fünf Tage gemittelt. Abgerufen am 6. November 2026. Quelle: Artificial Analysis · Geschwindigkeit (Artificial Analysis)Messmethode der Geschwindigkeit
Recherchestand	Recherchestand 4. Oktober 2026. 9 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht	benchmark-results Originalwortlaut The exact old Grok 4.20 0309 non-reasoning page is not a usable exact measured result: AA explicitly labels its composite estimate and says independent evaluation is forthcoming. The observed estimate (14.606641173969 index points) is retained only as a boundary note, not numeric evidence. The AA page for grok-4-20-non-reasoning is a separate 2026-04-07 v2 revision and was excluded. Reasoning and multi-agent records were not transferred.
Ungeklärt	official-quality-and-serving-revision Hinweis Die CDDM-Tabelle enthält Messwerte für die dort ausdrücklich genannte API-Route grok-4.20-non-reasoning. Eine Zuordnung dieser Messung zu unveränderlichen Serving-Bytes sowie zusätzliche offizielle oder Artificial-Analysis-Werte für eine exakt gepinnte Revision sind nicht belegt. Die AA-Schätzung bleibt als Messwert ausgeschlossen.
Ungeklärt	serving-snapshot Hinweis Die Studie nennt die exakte API-Zeichenfolge grok-4.20-non-reasoning und beschreibt reguläre Produktionsendpunkte, veröffentlicht jedoch weder Anfragedatum noch unveränderlichen Serving-Checkpoint. xAIs aktuelle Dokumentation ordnet den Alias grok-4.20-0309-non-reasoning zu. Diese heutige Zuordnung belegt nicht, welcher Checkpoint den früheren Studienlauf bediente.
Ungeklärt	serving-snapshot Hinweis Die Studie nennt die Modell- und API-Zeichenfolge, veröffentlicht aber weder das Datum der Modellanfrage noch eine unveränderliche Provider-Version.
Weitere Quelle	xAI Grok 4.20 Non-Reasoning developer docs (abgerufen 3. Oktober 2026; 4. Oktober 2026; 15. Oktober 2026) · xAI Grok 4.20 Non-Reasoning developer docs · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere Quelle	Artificial Analysis (abgerufen 2. November 2026)
Weitere Quelle	Artificial Analysis (abgerufen 2. November 2026; 6. November 2026)1 2
Weitere Quelle	Julien Talbot Hermes Grok Bench (abgerufen 15. Oktober 2026)
Weitere Quelle	Frontiers in Plant Science, VIDA+PANDA Tables 1 and 2 (abgerufen 16. Oktober 2026; 18. Oktober 2026)
Weitere Quelle	UGI Leaderboard (abgerufen 21. Oktober 2026)
Weitere Quelle	Modellmetadaten (abgerufen 15. Oktober 2026)1 2
Weitere Quelle	Modellmetadaten (abgerufen 16. Oktober 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Ollama: kumulierte Downloads für den Beliebtheitsindex
Weitere Quelle	Replicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere Quelle	Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere Quelle	Creative Commons Attribution 4.0