Hvilke benchmarks viser Grok-4.20s ydeevne?

Tidlige rapporter placerer Grok-4.20 omkring 1505–1535 ELO på LMSYS Arena og viser stærke resultater i virkelige konkurrencer såsom Alpha Arena-handelssimulationer.

Hvor stort er kontekstvinduet i Grok-4.20 API'et?

Grok-4.20 understøtter op til et 2,000,000-token kontekstvindue, hvilket gør det muligt for udviklere at behandle ekstremt lange dokumenter eller datasæt i en enkelt anmodning.

Er Grok-4.20 tilgængelig via et API for udviklere?

Ja. Grok-4.20 er tilgængelig via Come API'et.

Hvordan sammenlignes Grok-4.20 med GPT-5.2 eller Gemini-modeller?

Grok-4.20 fokuserer på multiagent-ræsonnement og meget lange kontekstvinduer, mens GPT-5.2 lægger vægt på højpræcist ræsonnement, og Gemini-modeller fokuserer på multimodal integration i Googles økosystem.

Hvad adskiller Grok-4.20 fra tidligere Grok-modeller?

Grok-4.20 introducerer et multiagent-ræsonnementssystem, hvor flere agenter analyserer en prompt samtidig og samarbejder om et endeligt svar, hvilket forbedrer komplekst ræsonnement og kodeydelse.

Kan Grok-4.20 håndtere multimodale input såsom billeder eller video?

Ja. Grok-4.20 understøtter multimodale input, herunder tekst, billeder og video, hvilket muliggør analyse af blandet indhold i en enkelt samtale.

xAI

Tilgængelig

grok-4.20-0309-reasoning

Grok 4.20 API

Grok 4.20-udgivelsen introducerer en multiagent-arkitektur (flere specialiserede agenter, der koordineres i realtid), udvidede konteksttilstande samt målrettede forbedringer af evnen til at følge instruktioner, reduktion af hallucinationer og strukturerede og værktøjsunderstøttede uddata.

Startpris

$1.00 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Mar 11, 2026

xAI

Testmiljø

Prøv Grok 4.20 med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første anmodning

$0.0030

Anslået omkostning for brug af CometAPI

Ti anmodninger

$0.0300

Anslået omkostning for brug af CometAPI

Femten anmodninger

$0.0450

Anslået omkostning for brug af CometAPI

⇌

Konvertering af kreditter

1.000 kreditter = $1

Kreditter gør budgetter sammenlignelige på tværs af fakturering efter tokens, anmodninger og kørselstid. USD-beløbet er fortsat det afgørende ved betaling.

✓Nuværende model i kreditter

Input

1,000

kreditter / 1 mio. tokens

Output

2,000

kreditter / 1 mio. tokens

Gennemsigtighed om minimumsgebyrer Denne prototype antager ikke et skjult minimumsbeløb pr. anmodning. Hvis der gælder en minimumsgrænse for fakturering eller en minimumsoptankning i produktion, skal den vises før køb og inkluderes i alle budgetestimater.

Model	Comet-pris (USD / mio. tokens)	Officiel pris (USD / mio. tokens)	Rabat
grok-4.20-0309-reasoning	Input: $1.00/M Output: $2.00/M	Input: $1.25/M Output: $2.50/M	-20%

Modeloversigt

En stabil modelidentitet til søgning og evaluering kombineret med aktuelle katalogdata, der kan ændre sig uden at sidens grundlæggende SEO-struktur skal skrives om.

Stabil identitet

Hvad er Grok 4.20?

Den kanoniske modelidentitet forbliver stabil, selv når priser og begrænsninger ændres.

Aktuelle modeldata

Aktuelt katalogsnapshot

Tilgængelighed

Tilgængelig

Startpris

$1.00 / 1 mio. input-tokens

Kontekst

2,000,000 tokens

Katalogdato

Mar 11, 2026

Playground 2.0 / Beslutningsbord

Træf beslutningen først. Integrer med ro i sindet.

Ét arbejdsområde til at sammenligne modeller, finjustere prompts, gennemgå routing, migrere kode og lancere et testet udgangspunkt.

Forankret i Grok 4.20

Arbejdsgange

Sammenlign, før du beslutter dig

Kør den samme prompt på tværs af førende modeller, og få en evidensbaseret anbefaling.

3 modeller · 1 kørsel

Evalueringsprompt

kodningtemperatur 0.2JSON-output

GPT-5

OpenAI

Kvalitet

91/100

Latenstid

1.2s

Anslået omkostning

$0.018

Claude Opus 5

Anthropic

AI-valg

Kvalitet

95/100

Latenstid

1.8s

Anslået omkostning

$0.024

Gemini 3 Pro

Google

Kvalitet

89/100

Latenstid

0.9s

Anslået omkostning

$0.011

Anbefaling: vælg Claude Opus 5 til kodegennemgang med høj risiko; send rutinetjek til Gemini 3 Pro for at reducere omkostningerne med ca. 54 %.

Oversigt

Et praktisk overblik over Grok 4.20, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for Grok-4.20

Punkt	Grok-4.20 (offentlige specifikationer)
Modelfamilie	Grok-4-serien
Udvikler	xAI
Udgivelsesstatus	Beta (første udrulning 17. februar 2026)
Inputtyper	Tekst, billede, video
Outputtyper	Tekstoutput (strukturerede output og funktion-/værktøjskald understøttes).
Kontekstvindue	Op til 2,000,000 tokens
Arkitektur	Multi-agent samarbejdsbaseret ræsonnement
Understøttelse af værktøjer	Funktionskald, strukturerede output
Ræsonnement	Indbyggede ræsonnementsevner
Træningsinfrastruktur	Colossus superklynge (~200,000 GPUs)
Modelvarianter	grok-4.20-multi-agent-beta-0309, grok-4.20-beta-0309-reasoning, grok-4.20-beta-0309-non-reasoning.

Hvad er Grok-4.20

Grok-4.20 er den seneste eksperimentelle udgivelse i Grok-4-familien udviklet af xAI. Den fokuserer på agentisk ræsonnement, ekstrem lang konteksthåndtering og højhastighedsinferens, med mål om at levere præcise svar med lavere hallucinationsrate end tidligere Grok-modeller.

I modsætning til tidligere Grok-modeller, der brugte enkeltmodel-inferens, introducerer Grok-4.20 multi-agent-samarbejde, hvor flere interne agenter analyserer en prompt samtidigt og konvergerer mod et endeligt svar. Denne arkitektur er designet til at forbedre ydeevnen ved komplekst ræsonnement, kodning og forskningsopgaver.

Hovedfunktioner i Grok-4.20

Ekstra langt kontekstvindue (2M tokens): Gør det muligt at behandle hele bøger, store datasæt eller lange kodebaser i én prompt.
Multi-agent-ræsonnementsarkitektur: Op til fire interne agenter kan analysere en prompt parallelt og drøfte løsninger, før der produceres et endeligt svar.
Agentisk værktøjskald og strukturerede output: Understøtter funktionskald og strukturerede svar til integration med applikationer og automatiserede arbejdsgange.
Multimodal forståelse: Accepterer tekst-, billede- og videoinput i samme modelpipeline.
Hurtig inferens med fokus på lav hallucination: xAI positionerer modellen som optimeret til sandfærdige svar og stærk efterlevelse af prompts.

Benchmark-ydelse for Grok-4.20

Offentlige benchmark-data er stadig begrænsede under beta, men tidlige rapporter indikerer:

Benchmark	Resultat / status
LMSYS Chatbot Arena	Estimeret ELO ~1505–1535
ForecastBench	Rangeret som nr. 2 i tidlige tests
Alpha Arena trading challenge	Opnåede +34.59% afkast

Disse tal antyder, at Grok-4.20 konkurrerer med frontmodeller på virkelige ræsonnements- og agentdrevne opgaver snarere end simple benchmarkspørgsmål.

Grok-4.20 Beta vs andre frontmodeller

Model	Udvikler	Kontekstvindue	Kernefordel
Grok-4.20	xAI	2M tokens	Multi-agent-ræsonnement
GPT-5.2	OpenAI	~400K tokens	Avanceret ræsonnement + kodning
Gemini 3 Pro	Google	~1M tokens	multimodal og Google-økosystem
Claude 4 Opus	Anthropic	~200K+ tokens	pålideligt ræsonnement

Væsentlige forskelle

Grok-4.20 lægger vægt på multi-agent-samarbejde til ræsonnementsopgaver.
Den tilbyder et af de største kontekstvinduer blandt LLM'er i produktion (2M tokens).
Konkurrerende modeller kan overgå Grok på visse områder som struktureret ræsonnement eller kreativ skrivning afhængigt af evalueringsopgaverne.

Repræsentative anvendelsestilfælde

Langkontekst-forskningsanalyse
Behandl store dokumenter, juridisk materiale eller akademisk forskning.
Agentiske automatiseringssystemer
Byg flertrins-arbejdsgange, hvor modellen planlægger og udfører opgaver.
Avanceret kodning og simulationer
Løs ingeniørmæssige problemer eller simuler systemer med lange ræsonnementskæder.
Dataanalyse og dashboard-automatisering
Spor og analyser flere datastrømme parallelt.
Multimodal videnbehandling
Fortolk billeder, videorammer og tekst i en samlet ræsonnementsproces.

Sådan får du adgang til og bruger Grok 4.2 API

Trin 1: Registrer dig for en API-nøgle

Log ind på cometapi.com. Hvis du ikke er bruger endnu, skal du først registrere dig. Log ind på din CometAPI-konsol. Hent API-adgangsnøglen til interfacet. Klik på “Add Token” ved API-token i det personlige center, hent token-nøglen: sk-xxxxx, og indsend.

Trin 2: Send forespørgsler til `Grok 4.2` API

Vælg “grok-4.20-0309-reasoning”-endepunktet for at sende API-anmodningen og angive anmodningskroppen. Metoden og anmodningskroppen findes i vores websides API-dokumentation. Vores website tilbyder også Apifox-test for din bekvemmelighed. Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto. Hvor det kaldes: Chat format.

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er det, modellen vil svare på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificer resultater

Behandl API-svaret for at få det genererede svar. Efter behandlingen svarer API'et med opgavens status og outputdata.

FAQ

Center for modelvalg

Kend omkostningen. Vælg den rette arbejdsbyrde.

Modellér de fem faktureringsdimensioner, test en realistisk arbejdsbyrde, og afgør, hvor Opus er merprisen værd, før du lancerer.

20 % under den officielle pris$1.00 mod $1.25 / 1 mio. inputtokens

Omkostningslaboratorium

Beregn prisen på en reel agentkørsel

Afspil reelle arbejdsbelastninger igen i stedet for at sammenligne tokenpriser isoleret. Indlæs en forudindstilling, og juster derefter alle faktureringsdimensioner.

Nye inputtokens

tokens

Tokens til cachelæsning

tokens

Outputtokens

tokens

Websøgningskald

kald

$1.00

/ 1 mio. tokens

Input

Nye instruktioner, filer og samtalekontekst, der sendes ved hver tur.

Beskær den hentede kontekst, før den når modellen.

$0.1600

/ 1 mio. tokens

Cachelæsning

Tidligere cachelagrede prompttokens, der genbruges i senere anmodninger.

Hold systemprompter og repositorykort byte-stabile.

$2.00

/ 1 mio. tokens

Output

Ræsonnement, kode og tekst genereret af modellen.

Brug eksplicitte færdiggørelseskriterier og outputgrænser.

$10.00

/ 1.000 kald

Websøgning

Værktøjskald, der henter aktuelle oplysninger fra nettet.

Søg én gang, og genbrug derefter verificerede resultater gennem hele kørslen.

Hvor Opus retfærdiggør merprisen

Bedst egnet

Udvikling på tværs af hele kodebasen

Brug Opus, når opgaven omfatter arkitektur, flere filer og tvetydige afvejninger i implementeringen.

Bedst egnet

Langvarige agenter

Et stærkt valg, når en agent skal fastholde intentionen på tværs af mange værktøjskald og genoprettelsestrin.

Merprisen værd

Gennemgang med høj værdi

Forbehold den til sikkerheds-, migrerings- og produktionsgennemgange, hvor et overset problem koster mere end tokens.

Brug en lettere model

Rutinearbejde med høj volumen

Klassificering, udtræk og enkel chat giver normalt bedre enhedsøkonomi med Sonnet eller Haiku.

Guide til promptcache

Stabiliser præfikset

Lad politikker, værktøjsskemaer og repositorykort forblive uændrede.

Skriv én gang

Placer cachebrudpunktet efter den genanvendelige kontekst.

Læs gentagne gange

Tilføj kun den opgavespecifikke forskel ved senere interaktioner.

Aktuelt scenarie

240K cachelagrede tokens

genbrugt til 10 % af prisen på nyt input

undgåede omkostninger

$0.2016

Migrer uden at omskrive

Behold dit foretrukne SDK, og skift basis-URL'en, nøglen og model-id'et.

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'grok-4.20-0309-reasoning',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til Grok 4.20

Få adgang til omfattende eksempelkode og API-ressourcer for Grok 4.20 for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af Grok 4.20 i dine projekter.

POST

/v1/chat/completions

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

response=$(curl --silent --location --request POST "https://api.cometapi.com/v1/responses" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --header "Accept: application/json" \
  --data-raw '{
    "model": "grok-4.20-multi-agent-beta-0309",
    "input": [
      {
        "role": "user",
        "content": "Research the latest breakthroughs in quantum computing and summarize the key findings."
      }
    ],
    "tools": [
      {"type": "web_search"},
      {"type": "x_search"}
    ]
  }')

if command -v jq >/dev/null 2>&1; then
  printf '%s
' "$response" | jq -r '(
    [
      .output[]?
      | select(.type == "message")
      | .content[]?
      | select(.type == "output_text")
      | .text
    ][0]
  ) // .output_text // .'
else
  printf '%s
' "$response"
fi

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

response=$(curl --silent --location --request POST "https://api.cometapi.com/v1/responses" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --header "Accept: application/json" \
  --data-raw '{
    "model": "grok-4.20-multi-agent-beta-0309",
    "input": [
      {
        "role": "user",
        "content": "Research the latest breakthroughs in quantum computing and summarize the key findings."
      }
    ],
    "tools": [
      {"type": "web_search"},
      {"type": "x_search"}
    ]
  }')

if command -v jq >/dev/null 2>&1; then
  printf '%s\n' "$response" | jq -r '(
    [
      .output[]?
      | select(.type == "message")
      | .content[]?
      | select(.type == "output_text")
      | .text
    ][0]
  ) // .output_text // .'
else
  printf '%s\n' "$response"
fi

Python Code Example

import os

from openai import OpenAI

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)
response = client.responses.create(
    model="grok-4.20-multi-agent-beta-0309",
    input=[
        {
            "role": "user",
            "content": "Research the latest breakthroughs in quantum computing and summarize the key findings.",
        }
    ],
    tools=[{"type": "web_search"}, {"type": "x_search"}],
)

print(response.output_text or response.model_dump_json(indent=2))

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const apiKey = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const baseUrl = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey,
  baseURL: baseUrl,
});

const response = await client.responses.create({
  model: "grok-4.20-multi-agent-beta-0309",
  input: [
    {
      role: "user",
      content: "Research the latest breakthroughs in quantum computing and summarize the key findings.",
    },
  ],
  tools: [{ type: "web_search" }, { type: "x_search" }],
});

console.log(response.output_text ?? JSON.stringify(response.output, null, 2));

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-text

image-to-text

Input og output

Input

text

Output

text

Produktionsprofil

Udbyder: xAI
Kontekst: 2,000,000
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug Grok 4.20 til produktions-workflows, der matcher dens text-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktionschat og agent-workflows

Kodning, analyse og struktureret generering

Automatisering i stor skala via én API

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

Se model

Xiaomi

mimo-v2.6-pro-ultraspeed

MiMo-V2.6-Pro-UltraSpeed er Xiaomis lav-latens serving-version af MiMo-V2.6-Pro, designet til applikationer, hvor Pro-modellens ræsonneringskapacitet skal kombineres med væsentligt hurtigere outputgenerering.

Se model

OpenAI

GPT-6 Sol

GPT-6 Sol (gpt-6-sol) er en OpenAI GPT-6-ræsonneringsmodel, der er designet til kompleks kodning, agentbaserede arbejdsgange og krævende vidensarbejde. OpenAI beskriver den som en model til kompleks kodning og agentbaserede arbejdsgange med adaptiv ræsonnering, behandling af lange kontekster, billedinput og adgang til et bredt udvalg af værktøjer via Responses API'et.

Se model

OpenAI

GPT-6 Luna

GPT-6 Luna (gpt-6-luna) er OpenAIs effektive GPT-6-model til målrettede højvolumen-arbejdsbelastninger. OpenAI positionerer Luna under GPT-6 Sol i GPT-6-familien med vægt på effektivitet, reproducerbarhed og omkostningsfølsomt produktionsbrug.

Se model

Xiaomi

MiMo V2.6 Flash

MiMo-V2.6-Flash er Xiaomis effektivitetsfokuserede model i MiMo-V2.6-familien. Det er en native multimodal ræsonneringsmodel, der er designet til højfrekvente kald, arbejdsbelastninger i stor skala, kodning, automatisering og agentopgaver med lang tidshorisont.

Se model

Xiaomi

MiMo V2.6 Pro

MiMo-V2.6-Pro er Xiaomi MiMos flagskibs-ræsonneringsmodel i MiMo-V2.6-familien. Det er en native model med fuld modalitet, designet til komplekst, langsigtet arbejde på tværs af softwareudvikling, forskning, cybersikkerhed, agentbaserede arbejdsgange, multimodal analyse og indholdsproduktion.

Se model

Oppetid

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

Model-id	beskrivelse	Tilgængelighed	Anmodning
grok-4.20-multi-agent-beta-0309	Multi-agent-variant, finjusteret til orkestrering af agenter i realtid og værktøjsopkald (nyttig til dybdegående forskningsarbejdsgange, hvor flere underagenter udfører websøgninger, kodeudførelse og kritisk gennemgang).	✅	responsformatkald.
grok-4.20-0309-reasoning	Ræsonneringsoptimeret variant: prioriterer dybere ræsonnering i chain-of-thought-stil og højere benchmarkresultater på ræsonneringstunge tests; højere latenstid/omkostning pr. token forventes sammenlignet med ikke-ræsonnerende varianter.	✅	chatformatkald og responsformatkald.
grok-4.20-0309-non-reasoning	Variant med lavere latenstid/lavere omkostninger til opgaver med høj gennemstrømning, hvor deterministiske, korte svar eller streamede output har højeste prioritet; kompromiserne omfatter lavere benchmarkresultater for ræsonnering.	✅	chatformatkald og responsformatkald.

Opdateringer

Følg væsentlige ændringer i tilgængelighed, priser og funktioner for Grok 4.20 uden at miste den stabile modelside.

Modelændringslog

Én side, der bliver stærkere med tiden.

Udgivelsesnoter, prisændringer, benchmarkopdateringer og migreringsvejledning samles her, mens den kanoniske URL forbliver uændret.

Mar 11, 2026

API-tilgængelighed bekræftet

Grok 4.20 er tilgængelig via CometAPI's modelkatalog og API-dokumentation.

Aktuel

Aktuelle data

Priser og begrænsninger synkroniseret fra kataloget

Pris, kontekst, tilgængelighed og begrænsninger behandles som dynamiske egenskaber i stedet for at være indlejret i sidens titel eller modellens identitet.

Feb 5, 2026

Permanent modelentitet oprettet

Udbyderen og model-sluggen udgør en permanent kanonisk URL; fremtidigt indhold og fremtidige dataopdateringer forbliver på denne side.

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

xAI

Tilgængelig

grok-4.20-0309-reasoning

Grok 4.20 API

Startpris

$1.00 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Mar 11, 2026

xAI

Testmiljø

Prøv Grok 4.20 med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første anmodning

$0.0030

Anslået omkostning for brug af CometAPI

Ti anmodninger

$0.0300

Anslået omkostning for brug af CometAPI

Femten anmodninger

$0.0450

Anslået omkostning for brug af CometAPI

⇌

Konvertering af kreditter

1.000 kreditter = $1

Kreditter gør budgetter sammenlignelige på tværs af fakturering efter tokens, anmodninger og kørselstid. USD-beløbet er fortsat det afgørende ved betaling.

✓Nuværende model i kreditter

Input

1,000

kreditter / 1 mio. tokens

Output

2,000

kreditter / 1 mio. tokens

Model	Comet-pris (USD / mio. tokens)	Officiel pris (USD / mio. tokens)	Rabat
grok-4.20-0309-reasoning	Input: $1.00/M Output: $2.00/M	Input: $1.25/M Output: $2.50/M	-20%

Modeloversigt

En stabil modelidentitet til søgning og evaluering kombineret med aktuelle katalogdata, der kan ændre sig uden at sidens grundlæggende SEO-struktur skal skrives om.

Stabil identitet

Hvad er Grok 4.20?

Den kanoniske modelidentitet forbliver stabil, selv når priser og begrænsninger ændres.

Aktuelle modeldata

Aktuelt katalogsnapshot

Tilgængelighed

Tilgængelig

Startpris

$1.00 / 1 mio. input-tokens

Kontekst

2,000,000 tokens

Katalogdato

Mar 11, 2026

Playground 2.0 / Beslutningsbord

Træf beslutningen først. Integrer med ro i sindet.

Ét arbejdsområde til at sammenligne modeller, finjustere prompts, gennemgå routing, migrere kode og lancere et testet udgangspunkt.

Forankret i Grok 4.20

Arbejdsgange

Sammenlign, før du beslutter dig

Kør den samme prompt på tværs af førende modeller, og få en evidensbaseret anbefaling.

3 modeller · 1 kørsel

Evalueringsprompt

kodningtemperatur 0.2JSON-output

GPT-5

OpenAI

Kvalitet

91/100

Latenstid

1.2s

Anslået omkostning

$0.018

Claude Opus 5

Anthropic

AI-valg

Kvalitet

95/100

Latenstid

1.8s

Anslået omkostning

$0.024

Gemini 3 Pro

Google

Kvalitet

89/100

Latenstid

0.9s

Anslået omkostning

$0.011

Anbefaling: vælg Claude Opus 5 til kodegennemgang med høj risiko; send rutinetjek til Gemini 3 Pro for at reducere omkostningerne med ca. 54 %.

Oversigt

Et praktisk overblik over Grok 4.20, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for Grok-4.20

Punkt	Grok-4.20 (offentlige specifikationer)
Modelfamilie	Grok-4-serien
Udvikler	xAI
Udgivelsesstatus	Beta (første udrulning 17. februar 2026)
Inputtyper	Tekst, billede, video
Outputtyper	Tekstoutput (strukturerede output og funktion-/værktøjskald understøttes).
Kontekstvindue	Op til 2,000,000 tokens
Arkitektur	Multi-agent samarbejdsbaseret ræsonnement
Understøttelse af værktøjer	Funktionskald, strukturerede output
Ræsonnement	Indbyggede ræsonnementsevner
Træningsinfrastruktur	Colossus superklynge (~200,000 GPUs)
Modelvarianter	grok-4.20-multi-agent-beta-0309, grok-4.20-beta-0309-reasoning, grok-4.20-beta-0309-non-reasoning.

Hvad er Grok-4.20

Hovedfunktioner i Grok-4.20

Ekstra langt kontekstvindue (2M tokens): Gør det muligt at behandle hele bøger, store datasæt eller lange kodebaser i én prompt.
Multi-agent-ræsonnementsarkitektur: Op til fire interne agenter kan analysere en prompt parallelt og drøfte løsninger, før der produceres et endeligt svar.
Agentisk værktøjskald og strukturerede output: Understøtter funktionskald og strukturerede svar til integration med applikationer og automatiserede arbejdsgange.
Multimodal forståelse: Accepterer tekst-, billede- og videoinput i samme modelpipeline.
Hurtig inferens med fokus på lav hallucination: xAI positionerer modellen som optimeret til sandfærdige svar og stærk efterlevelse af prompts.

Benchmark-ydelse for Grok-4.20

Offentlige benchmark-data er stadig begrænsede under beta, men tidlige rapporter indikerer:

Benchmark	Resultat / status
LMSYS Chatbot Arena	Estimeret ELO ~1505–1535
ForecastBench	Rangeret som nr. 2 i tidlige tests
Alpha Arena trading challenge	Opnåede +34.59% afkast

Disse tal antyder, at Grok-4.20 konkurrerer med frontmodeller på virkelige ræsonnements- og agentdrevne opgaver snarere end simple benchmarkspørgsmål.

Grok-4.20 Beta vs andre frontmodeller

Model	Udvikler	Kontekstvindue	Kernefordel
Grok-4.20	xAI	2M tokens	Multi-agent-ræsonnement
GPT-5.2	OpenAI	~400K tokens	Avanceret ræsonnement + kodning
Gemini 3 Pro	Google	~1M tokens	multimodal og Google-økosystem
Claude 4 Opus	Anthropic	~200K+ tokens	pålideligt ræsonnement

Væsentlige forskelle

Grok-4.20 lægger vægt på multi-agent-samarbejde til ræsonnementsopgaver.
Den tilbyder et af de største kontekstvinduer blandt LLM'er i produktion (2M tokens).
Konkurrerende modeller kan overgå Grok på visse områder som struktureret ræsonnement eller kreativ skrivning afhængigt af evalueringsopgaverne.

Repræsentative anvendelsestilfælde

Langkontekst-forskningsanalyse
Behandl store dokumenter, juridisk materiale eller akademisk forskning.
Agentiske automatiseringssystemer
Byg flertrins-arbejdsgange, hvor modellen planlægger og udfører opgaver.
Avanceret kodning og simulationer
Løs ingeniørmæssige problemer eller simuler systemer med lange ræsonnementskæder.
Dataanalyse og dashboard-automatisering
Spor og analyser flere datastrømme parallelt.
Multimodal videnbehandling
Fortolk billeder, videorammer og tekst i en samlet ræsonnementsproces.

Sådan får du adgang til og bruger Grok 4.2 API

Trin 1: Registrer dig for en API-nøgle

Trin 2: Send forespørgsler til `Grok 4.2` API

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er det, modellen vil svare på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificer resultater

Behandl API-svaret for at få det genererede svar. Efter behandlingen svarer API'et med opgavens status og outputdata.

FAQ

Center for modelvalg

Kend omkostningen. Vælg den rette arbejdsbyrde.

Modellér de fem faktureringsdimensioner, test en realistisk arbejdsbyrde, og afgør, hvor Opus er merprisen værd, før du lancerer.

20 % under den officielle pris$1.00 mod $1.25 / 1 mio. inputtokens

Omkostningslaboratorium

Beregn prisen på en reel agentkørsel

Afspil reelle arbejdsbelastninger igen i stedet for at sammenligne tokenpriser isoleret. Indlæs en forudindstilling, og juster derefter alle faktureringsdimensioner.

Nye inputtokens

tokens

Tokens til cachelæsning

tokens

Outputtokens

tokens

Websøgningskald

kald

$1.00

/ 1 mio. tokens

Input

Nye instruktioner, filer og samtalekontekst, der sendes ved hver tur.

Beskær den hentede kontekst, før den når modellen.

$0.1600

/ 1 mio. tokens

Cachelæsning

Tidligere cachelagrede prompttokens, der genbruges i senere anmodninger.

Hold systemprompter og repositorykort byte-stabile.

$2.00

/ 1 mio. tokens

Output

Ræsonnement, kode og tekst genereret af modellen.

Brug eksplicitte færdiggørelseskriterier og outputgrænser.

$10.00

/ 1.000 kald

Websøgning

Værktøjskald, der henter aktuelle oplysninger fra nettet.

Søg én gang, og genbrug derefter verificerede resultater gennem hele kørslen.

Hvor Opus retfærdiggør merprisen

Bedst egnet

Udvikling på tværs af hele kodebasen

Brug Opus, når opgaven omfatter arkitektur, flere filer og tvetydige afvejninger i implementeringen.

Bedst egnet

Langvarige agenter

Et stærkt valg, når en agent skal fastholde intentionen på tværs af mange værktøjskald og genoprettelsestrin.

Merprisen værd

Gennemgang med høj værdi

Forbehold den til sikkerheds-, migrerings- og produktionsgennemgange, hvor et overset problem koster mere end tokens.

Brug en lettere model

Rutinearbejde med høj volumen

Klassificering, udtræk og enkel chat giver normalt bedre enhedsøkonomi med Sonnet eller Haiku.

Guide til promptcache

Stabiliser præfikset

Lad politikker, værktøjsskemaer og repositorykort forblive uændrede.

Skriv én gang

Placer cachebrudpunktet efter den genanvendelige kontekst.

Læs gentagne gange

Tilføj kun den opgavespecifikke forskel ved senere interaktioner.

Aktuelt scenarie

240K cachelagrede tokens

genbrugt til 10 % af prisen på nyt input

undgåede omkostninger

$0.2016

Migrer uden at omskrive

Behold dit foretrukne SDK, og skift basis-URL'en, nøglen og model-id'et.

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'grok-4.20-0309-reasoning',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til Grok 4.20

POST

/v1/chat/completions

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

response=$(curl --silent --location --request POST "https://api.cometapi.com/v1/responses" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --header "Accept: application/json" \
  --data-raw '{
    "model": "grok-4.20-multi-agent-beta-0309",
    "input": [
      {
        "role": "user",
        "content": "Research the latest breakthroughs in quantum computing and summarize the key findings."
      }
    ],
    "tools": [
      {"type": "web_search"},
      {"type": "x_search"}
    ]
  }')

if command -v jq >/dev/null 2>&1; then
  printf '%s
' "$response" | jq -r '(
    [
      .output[]?
      | select(.type == "message")
      | .content[]?
      | select(.type == "output_text")
      | .text
    ][0]
  ) // .output_text // .'
else
  printf '%s
' "$response"
fi

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

response=$(curl --silent --location --request POST "https://api.cometapi.com/v1/responses" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --header "Accept: application/json" \
  --data-raw '{
    "model": "grok-4.20-multi-agent-beta-0309",
    "input": [
      {
        "role": "user",
        "content": "Research the latest breakthroughs in quantum computing and summarize the key findings."
      }
    ],
    "tools": [
      {"type": "web_search"},
      {"type": "x_search"}
    ]
  }')

if command -v jq >/dev/null 2>&1; then
  printf '%s\n' "$response" | jq -r '(
    [
      .output[]?
      | select(.type == "message")
      | .content[]?
      | select(.type == "output_text")
      | .text
    ][0]
  ) // .output_text // .'
else
  printf '%s\n' "$response"
fi

Python Code Example

import os

from openai import OpenAI

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)
response = client.responses.create(
    model="grok-4.20-multi-agent-beta-0309",
    input=[
        {
            "role": "user",
            "content": "Research the latest breakthroughs in quantum computing and summarize the key findings.",
        }
    ],
    tools=[{"type": "web_search"}, {"type": "x_search"}],
)

print(response.output_text or response.model_dump_json(indent=2))

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const apiKey = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const baseUrl = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey,
  baseURL: baseUrl,
});

const response = await client.responses.create({
  model: "grok-4.20-multi-agent-beta-0309",
  input: [
    {
      role: "user",
      content: "Research the latest breakthroughs in quantum computing and summarize the key findings.",
    },
  ],
  tools: [{ type: "web_search" }, { type: "x_search" }],
});

console.log(response.output_text ?? JSON.stringify(response.output, null, 2));

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-text

image-to-text

Input og output

Input

text

Output

text

Produktionsprofil

Udbyder: xAI
Kontekst: 2,000,000
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug Grok 4.20 til produktions-workflows, der matcher dens text-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktionschat og agent-workflows

Kodning, analyse og struktureret generering

Automatisering i stor skala via én API

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

Se model

Xiaomi

mimo-v2.6-pro-ultraspeed

Oppetid

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

Model-id	beskrivelse	Tilgængelighed	Anmodning
grok-4.20-multi-agent-beta-0309	Multi-agent-variant, finjusteret til orkestrering af agenter i realtid og værktøjsopkald (nyttig til dybdegående forskningsarbejdsgange, hvor flere underagenter udfører websøgninger, kodeudførelse og kritisk gennemgang).	✅	responsformatkald.
grok-4.20-0309-reasoning	Ræsonneringsoptimeret variant: prioriterer dybere ræsonnering i chain-of-thought-stil og højere benchmarkresultater på ræsonneringstunge tests; højere latenstid/omkostning pr. token forventes sammenlignet med ikke-ræsonnerende varianter.	✅	chatformatkald og responsformatkald.
grok-4.20-0309-non-reasoning	Variant med lavere latenstid/lavere omkostninger til opgaver med høj gennemstrømning, hvor deterministiske, korte svar eller streamede output har højeste prioritet; kompromiserne omfatter lavere benchmarkresultater for ræsonnering.	✅	chatformatkald og responsformatkald.

Opdateringer

Følg væsentlige ændringer i tilgængelighed, priser og funktioner for Grok 4.20 uden at miste den stabile modelside.

Modelændringslog

Én side, der bliver stærkere med tiden.

Udgivelsesnoter, prisændringer, benchmarkopdateringer og migreringsvejledning samles her, mens den kanoniske URL forbliver uændret.

Mar 11, 2026

API-tilgængelighed bekræftet

Grok 4.20 er tilgængelig via CometAPI's modelkatalog og API-dokumentation.

Aktuel

Aktuelle data

Priser og begrænsninger synkroniseret fra kataloget

Pris, kontekst, tilgængelighed og begrænsninger behandles som dynamiske egenskaber i stedet for at være indlejret i sidens titel eller modellens identitet.

Feb 5, 2026

Permanent modelentitet oprettet

Udbyderen og model-sluggen udgør en permanent kanonisk URL; fremtidigt indhold og fremtidige dataopdateringer forbliver på denne side.

Bliv ved med at udforske

Grok 4.20 API

Testmiljø

Priser

Modeloversigt

Hvad er Grok 4.20?

Aktuelt katalogsnapshot

Træf beslutningen først. Integrer med ro i sindet.

Oversigt

Tekniske specifikationer for Grok-4.20

Hvad er Grok-4.20

Hovedfunktioner i Grok-4.20

Benchmark-ydelse for Grok-4.20

Grok-4.20 Beta vs andre frontmodeller

Repræsentative anvendelsestilfælde

Sådan får du adgang til og bruger Grok 4.2 API

Trin 1: Registrer dig for en API-nøgle

Trin 2: Send forespørgsler til Grok 4.2 API

Trin 3: Hent og verificer resultater

FAQ

Hvilke benchmarks viser Grok-4.20s ydeevne?

Hvor stort er kontekstvinduet i Grok-4.20 API'et?

Er Grok-4.20 tilgængelig via et API for udviklere?

Hvordan sammenlignes Grok-4.20 med GPT-5.2 eller Gemini-modeller?

Hvad adskiller Grok-4.20 fra tidligere Grok-modeller?

Kan Grok-4.20 håndtere multimodale input såsom billeder eller video?

Kend omkostningen. Vælg den rette arbejdsbyrde.

Beregn prisen på en reel agentkørsel

Input

Cachelæsning

Output

Websøgning

Hvor Opus retfærdiggør merprisen

Udvikling på tværs af hele kodebasen

Langvarige agenter

Gennemgang med høj værdi

Rutinearbejde med høj volumen

Guide til promptcache

Migrer uden at omskrive

API

Én API, produktionsklar modeladgang

Eksempelkode og API til Grok 4.20

cURL Code Example

Python Code Example

JavaScript Code Example

Funktioner

Anvendelsesmuligheder

Andre modeller

Oppetid

Versioner

Opdateringer

Én side, der bliver stærkere med tiden.

API-tilgængelighed bekræftet

Priser og begrænsninger synkroniseret fra kataloget

Permanent modelentitet oprettet

Sammenlign modeller, og fortsæt din research

Grok 4.20 API

Testmiljø

Priser

Modeloversigt

Hvad er Grok 4.20?

Aktuelt katalogsnapshot

Træf beslutningen først. Integrer med ro i sindet.

Oversigt

Tekniske specifikationer for Grok-4.20

Hvad er Grok-4.20

Hovedfunktioner i Grok-4.20

Benchmark-ydelse for Grok-4.20

Grok-4.20 Beta vs andre frontmodeller

Repræsentative anvendelsestilfælde

Sådan får du adgang til og bruger Grok 4.2 API

Trin 1: Registrer dig for en API-nøgle

Trin 2: Send forespørgsler til Grok 4.2 API

Trin 3: Hent og verificer resultater

FAQ

Hvilke benchmarks viser Grok-4.20s ydeevne?

Hvor stort er kontekstvinduet i Grok-4.20 API'et?

Er Grok-4.20 tilgængelig via et API for udviklere?

Hvordan sammenlignes Grok-4.20 med GPT-5.2 eller Gemini-modeller?

Hvad adskiller Grok-4.20 fra tidligere Grok-modeller?

Kan Grok-4.20 håndtere multimodale input såsom billeder eller video?

Trin 2: Send forespørgsler til `Grok 4.2` API

Trin 2: Send forespørgsler til `Grok 4.2` API