Hvilke benchmarker viser ytelsen til Grok-4.20?

Tidlige rapporter plasserer Grok-4.20 rundt 1505–1535 ELO på LMSYS Arena og viser sterke resultater i virkelige konkurranser som Alpha Arena-handelsimuleringer.

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

Grok-4.20 støtter opptil et kontekstvindu på 2,000,000 tokens, noe som lar utviklere behandle svært lange dokumenter eller datasett i én enkelt forespørsel.

Er Grok-4.20 tilgjengelig via et API for utviklere?

Ja. Grok-4.20 er tilgjengelig via Come API.

Hvordan sammenligner Grok-4.20 seg med GPT-5.2 eller Gemini-modeller?

Grok-4.20 fokuserer på multiagent-resonnering og svært lange kontekstvinduer, mens GPT-5.2 legger vekt på resonnering med høy presisjon og Gemini-modeller fokuserer på multimodal integrasjon innenfor Googles økosystem.

Hva skiller Grok-4.20 fra tidligere Grok-modeller?

Grok-4.20 introduserer et system for multiagent-resonnering der flere agenter analyserer en prompt samtidig og samarbeider om et endelig svar, noe som forbedrer kompleks resonnering og kodeytelse.

Kan Grok-4.20 håndtere multimodale inndata som bilder eller video?

Ja. Grok-4.20 støtter multimodale inndata, inkludert tekst, bilder og video, noe som muliggjør analyse av blandet innhold i én enkelt samtale.

xAI

Tilgjengelig

grok-4.20-0309-reasoning

Grok 4.20 API

Grok 4.20-versjonen introduserer en multiagent-arkitektur (flere spesialiserte agenter koordinert i sanntid), utvidede kontekstmoduser og målrettede forbedringer innen etterlevelse av instruksjoner, reduksjon av hallusinasjoner og strukturerte/til verktøy tilpassede utdata.

Startpris

$1.00 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Mar 11, 2026

xAI

Testmiljø

Prøv Grok 4.20 med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0030

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.0300

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.0450

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

1,000

kreditter / 1 mill. tokener

Utdata

2,000

kreditter / 1 mill. tokener

Åpenhet om minstebeløp Denne prototypen forutsetter ikke et skjult minstebeløp per forespørsel. Hvis det gjelder en nedre faktureringsgrense eller et minste påfyllingsbeløp i produksjon, må dette vises før kjøpet og inkluderes i alle kostnadsestimater.

Modell	Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
grok-4.20-0309-reasoning	Inndata: $1.00/mill. Utdata: $2.00/mill.	Inndata: $1.25/mill. Utdata: $2.50/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er Grok 4.20?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$1.00 / 1 mill. input-tokens

Kontekst

2,000,000 tokener

Katalogdato

Mar 11, 2026

Playground 2.0 / Beslutningspanel

Bestem først. Integrer med trygghet.

Ett arbeidsområde for å sammenligne modeller, finjustere ledetekster, inspisere ruting, migrere kode og lansere et testet utgangspunkt.

Forankret til Grok 4.20

Arbeidsflyter

Sammenlign før du bestemmer deg

Kjør den samme ledeteksten på tvers av ledende modeller, og få en anbefaling underbygget med dokumentasjon.

3 modeller · 1 kjøring

Evalueringsprompt

kodingtemperatur 0.2JSON-utdata

GPT-5

OpenAI

Kvalitet

91/100

Svartid

1.2s

Estimert kostnad

$0.018

Claude Opus 5

Anthropic

KI-valg

Kvalitet

95/100

Svartid

1.8s

Estimert kostnad

$0.024

Gemini 3 Pro

Google

Kvalitet

89/100

Svartid

0.9s

Estimert kostnad

$0.011

Anbefaling: velg Claude Opus 5 for kodegjennomgang med høy risiko; send rutinekontroller til Gemini 3 Pro for å redusere kostnadene med ~54 %.

Oversikt

En praktisk oversikt over Grok 4.20, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for Grok-4.20

Element	Grok-4.20 (offentlige spesifikasjoner)
Modellfamilie	Grok-4-serien
Utvikler	xAI
Lanseringsstatus	Beta (første utrulling 17. feb. 2026)
Inndatatyper	Tekst, bilde, video
Utdatatyper	Tekstutdata (støtter strukturerte utdata og funksjon-/verktøykall).
Kontekstvindu	Opptil 2 000 000 token
Arkitektur	Samarbeidsbasert resonnering med flere agenter
Verktøystøtte	Funksjonskall, strukturerte utdata
Resonnering	Innebygde resonneringsevner
Treningsinfrastruktur	Colossus-superklynge (~200 000 GPU-er)
Modellvarianter	grok-4.20-multi-agent-beta-0309, grok-4.20-beta-0309-reasoning, grok-4.20-beta-0309-non-reasoning.

Hva er Grok-4.20

Grok-4.20 er den nyeste eksperimentelle utgivelsen i Grok-4-familien, utviklet av xAI. Den fokuserer på agentisk resonnering, ekstremt lang kontekthåndtering og høyhastighetsinferens, med mål om å levere presise svar med lavere hallusinasjonsrate enn tidligere Grok-modeller.

I motsetning til tidligere Grok-modeller som brukte enmodell-inferens, introduserer Grok-4.20 samarbeid mellom flere agenter, der flere interne agenter analyserer en prompt samtidig og konvergerer mot et endelig svar. Denne arkitekturen er utformet for å forbedre ytelsen på komplekse oppgaver innen resonnering, koding og forskning.

Hovedfunksjoner i Grok-4.20

Ultralangt kontekstvindu (2M token): Gjør det mulig å prosessere hele bøker, store datasett eller lange kode-repositorier i én prompt.
Arkitektur for resonnering med flere agenter: Opptil fire interne agenter kan analysere en prompt parallelt og drøfte løsninger før de produserer et endelig svar.
Agentisk verktøykall og strukturerte utdata: Støtter funksjonskall og strukturerte svar for integrasjon med applikasjoner og automatiserte arbeidsflyter.
Multimodal forståelse: Godtar tekst-, bilde- og videoinndata i samme modellpipeline.
Rask inferens med fokus på lav hallusinasjon: xAI posisjonerer modellen som optimalisert for sannferdige svar og sterk etterlevelse av prompten.

Benchmark-ytelse for Grok-4.20

Offentlige benchmark-data er fortsatt begrenset i beta, men tidlige rapporter indikerer:

Benchmark	Resultat / status
LMSYS Chatbot Arena	Estimert ELO ~1505–1535
ForecastBench	Rangert som nr. 2 i tidlige tester
Alpha Arena trading challenge	Oppnådde +34,59 % avkastning

Disse tallene antyder at Grok-4.20 konkurrerer med frontmodeller i virkelige resonnerings- og agentdrevne oppgaver snarere enn enkle benchmark-spørsmål.

Grok-4.20 Beta vs andre frontmodeller

Modell	Utvikler	Kontekstvindu	Hovedstyrke
Grok-4.20	xAI	2M token	Resonnering med flere agenter
GPT-5.2	OpenAI	~400K token	Avansert resonnering + koding
Gemini 3 Pro	Google	~1M token	multimodal og Google-økosystem
Claude 4 Opus	Anthropic	~200K+ token	pålitelig resonnering

Nøkkelforskjeller

Grok-4.20 legger vekt på samarbeid mellom flere agenter for resonneringsoppgaver.
Den tilbyr et av de største kontekstvinduene i produksjons-LLM-er (2M token).
Konkurrerende modeller kan overgå Grok på enkelte områder, som strukturert resonnering eller kreativ skriving, avhengig av evalueringsoppgavene.

Representative bruksområder

Forskningsanalyse med lang kontekst
Behandle store dokumenter, juridisk materiale eller akademisk forskning.
Agentiske automatiseringssystemer
Bygg flertrinns arbeidsflyter der modellen planlegger og utfører oppgaver.
Avansert koding og simuleringer
Løs ingeniørproblemer eller simuler systemer med lange resonnementskjeder.
Dataanalyse og dashboard-automatisering
Spor og analyser flere datastrømmer parallelt.
Multimodal kunnskapsprosessering
Tolk bilder, videorammer og tekst i en samlet resonneringsprosess.

Slik får du tilgang til og bruker Grok 4.2 API

Trinn 1: Registrer deg for API-nøkkel

Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først. Logg inn på din CometAPI-konsoll. Hent API-nøkkelen for grensesnittet. Klikk “Add Token” ved API token i brukersenteret, hent token-nøkkelen: sk-xxxxx og send inn.

Trinn 2: Send forespørsler til `Grok 4.2` API

Velg “grok-4.20-0309-reasoning”-endepunktet for å sende API-forespørselen og angi forespørselens body. Forespørselsmetoden og forespørselens body finnes i API-dokumentasjonen på nettstedet vårt. Nettstedet vårt tilbyr også Apifox-test for enkelhets skyld. Erstatt <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. Hvor du kaller det: Chat-format.

Sett inn spørsmålet eller forespørselen din i content-feltet — det er dette modellen vil svare på. Behandle API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Behandle API-responsen for å hente det genererte svaret. Etter behandlingen svarer API-et med oppgavens status og utdata.

FAQ

Beslutningssenter for modeller

Kjenn kostnaden. Velg riktig arbeidsmengde.

Modeller de fem faktureringsdimensjonene, test en realistisk arbeidsmengde og avgjør hvor Opus er verdt pristillegget før du lanserer.

20 % under offisiell pris$1.00 mot $1.25 / 1 mill. inndatatokener

Kostnadslaboratorium

Beregn prisen på en reell agentkjøring

Spill av reelle arbeidsbelastninger på nytt i stedet for å sammenligne tokenpriser isolert. Last inn en forhåndsinnstilling, og juster deretter alle faktureringsdimensjoner.

Nye inndatatokener

tokener

Tokener lest fra hurtigbuffer

tokener

Utdatatokener

tokener

Nettsøkkall

kall

$1.00

/ 1 mill. token

Inndata

Nye instruksjoner, filer og samtalekontekst som sendes i hver runde.

Reduser den hentede konteksten før den når modellen.

$0.1600

/ 1 mill. token

Lesing fra hurtigbuffer

Tidligere hurtigbufrede ledeteksttoken som gjenbrukes i senere forespørsler.

Hold systemledetekster og repositoriekart identiske på byte-nivå.

$2.00

/ 1 mill. token

Utdata

Resonnering, kode og tekst generert av modellen.

Bruk eksplisitte fullføringskriterier og grenser for utdata.

$10.00

/ 1 000 kall

Nettsøk

Verktøykall som henter oppdatert informasjon fra nettet.

Søk én gang, og gjenbruk deretter verifiserte resultater gjennom hele kjøringen.

Der Opus forsvarer pristillegget

Passer best

Utvikling på repositorienivå

Bruk Opus når oppgaven omfatter arkitektur, flere filer og tvetydige avveininger i implementeringen.

Passer best

Langvarige agenter

Et godt valg når en agent må bevare intensjonen gjennom mange verktøykall og gjenopprettingstrinn.

Verdt pristillegget

Gjennomgang med høy verdi

Reserver den for sikkerhets-, migrerings- og produksjonsgjennomganger der et oversett problem koster mer enn tokenene.

Bruk en lettere modell

Rutinearbeid med stort volum

Klassifisering, uttrekking og enkel chat gir vanligvis bedre enhetsøkonomi med Sonnet eller Haiku.

Veiledning for ledetekstbufring

Stabiliser prefikset

Hold retningslinjer, verktøyskjemaer og repositoriekart uendret.

Skriv én gang

Plasser hurtigbufferens skillepunkt etter den gjenbrukbare konteksten.

Les gjentatte ganger

Legg bare til den oppgavespesifikke endringen i senere runder.

Gjeldende scenario

240K hurtigbufrede token

gjenbrukt til 10 % av prisen på nye inndata

unngått kostnad

$0.2016

Migrer uten å skrive om

Behold foretrukket SDK, og endre basis-URL-en, nøkkelen og modell-ID-en.

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

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/chat/completions

Eksempelkode og API for Grok 4.20

Få tilgang til omfattende eksempelkode og API-ressurser for Grok 4.20 for å effektivisere integreringsprosessen din. Vår detaljerte dokumentasjon gir trinn-for-trinn-veiledning som hjelper deg med å utnytte det fulle potensialet til Grok 4.20 i prosjektene dine.

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));

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-text

image-to-text

Inndata og utdata

Inndata

text

Utdata

text

Produksjonsprofil

Leverandør: xAI
Kontekst: 2,000,000
Kommersiell bruk: Støttet

Bruksområder

Bruk Grok 4.20 til produksjonsarbeidsflyter som passer text-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Produksjonschat og agentarbeidsflyter

Koding, analyse og strukturert generering

Automatisering i stor skala via ett API

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

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 modell

Xiaomi

mimo-v2.6-pro-ultraspeed

MiMo-V2.6-Pro-UltraSpeed er Xiaomis lavlatens-versjon for serving av MiMo-V2.6-Pro, designet for applikasjoner der Pro-modellens resonnementsevne må kombineres med vesentlig raskere generering av utdata.

Se modell

OpenAI

GPT-6 Sol

GPT-6 Sol (gpt-6-sol) er en OpenAI GPT-6 resonneringsmodell utviklet for kompleks koding, agentbaserte arbeidsflyter og krevende kunnskapsarbeid. OpenAI beskriver den som en modell for kompleks koding og agentbaserte arbeidsflyter, med adaptiv resonnering, behandling av lange kontekster, bildeinngang og tilgang til et bredt sett med verktøy via Responses API.

Se modell

OpenAI

GPT-6 Luna

GPT-6 Luna (gpt-6-luna) er OpenAIs effektive GPT-6-modell for fokuserte arbeidslaster med høyt volum. OpenAI plasserer Luna under GPT-6 Sol i GPT-6-familien og vektlegger effektivitet, repeterbarhet og kostnadssensitiv produksjonsbruk.

Se modell

Xiaomi

MiMo V2.6 Flash

MiMo-V2.6-Flash er Xiaomis effektivitetsorienterte modell i MiMo-V2.6-familien. Det er en native multimodal resonneringsmodell utformet for hyppige kall, storskala arbeidslaster, koding, automatisering og agentoppgaver med lang tidshorisont.

Se modell

Xiaomi

MiMo V2.6 Pro

MiMo-V2.6-Pro er Xiaomi MiMos flaggskip blant resonneringsmodeller i familien MiMo-V2.6. Det er en nativ modell med støtte for alle modaliteter, designet for komplekse, langsiktige oppgaver på tvers av programvareutvikling, forskning, cybersikkerhet, agentbaserte arbeidsflyter, multimodal analyse og innholdsproduksjon.

Se modell

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

Modell-ID	Beskrivelse	Tilgjengelighet	Forespørsel
grok-4.20-multi-agent-beta-0309	Fleragentvariant fininnstilt for sanntidsorkestrering av agenter og kall til verktøy (nyttig for dyptgående forskningsarbeidsflyter der flere underagenter utfører nettsøk, kjører kode og gjør kritisk vurdering).	✅	kall i responsformat.
grok-4.20-0309-reasoning	Resonneringsoptimalisert variant: prioriterer dypere resonnement i tankerekke-stil og høyere benchmark-resultater på resonnementstunge tester; høyere latenstid/kostnad per token forventes sammenlignet med ikke-resonneringsvarianter.	✅	kall i chat-format og i responsformat.
grok-4.20-0309-non-reasoning	Variant med lavere latenstid/kostnad for oppgaver med høy gjennomstrømning der deterministiske, korte svar eller strømmende utdata har prioritet; avveiningene inkluderer lavere benchmark-resultater på resonnementstester.	✅	kall i chat-format og i responsformat.

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for Grok 4.20 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Mar 11, 2026

API-tilgjengelighet bekreftet

Grok 4.20 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Feb 5, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske

Sammenlign modeller og fortsett research

xAI

Tilgjengelig

grok-4.20-0309-reasoning

Grok 4.20 API

Startpris

$1.00 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Mar 11, 2026

xAI

Testmiljø

Prøv Grok 4.20 med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0030

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.0300

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.0450

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

1,000

kreditter / 1 mill. tokener

Utdata

2,000

kreditter / 1 mill. tokener

Modell	Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
grok-4.20-0309-reasoning	Inndata: $1.00/mill. Utdata: $2.00/mill.	Inndata: $1.25/mill. Utdata: $2.50/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er Grok 4.20?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$1.00 / 1 mill. input-tokens

Kontekst

2,000,000 tokener

Katalogdato

Mar 11, 2026

Playground 2.0 / Beslutningspanel

Bestem først. Integrer med trygghet.

Ett arbeidsområde for å sammenligne modeller, finjustere ledetekster, inspisere ruting, migrere kode og lansere et testet utgangspunkt.

Forankret til Grok 4.20

Arbeidsflyter

Sammenlign før du bestemmer deg

Kjør den samme ledeteksten på tvers av ledende modeller, og få en anbefaling underbygget med dokumentasjon.

3 modeller · 1 kjøring

Evalueringsprompt

kodingtemperatur 0.2JSON-utdata

GPT-5

OpenAI

Kvalitet

91/100

Svartid

1.2s

Estimert kostnad

$0.018

Claude Opus 5

Anthropic

KI-valg

Kvalitet

95/100

Svartid

1.8s

Estimert kostnad

$0.024

Gemini 3 Pro

Google

Kvalitet

89/100

Svartid

0.9s

Estimert kostnad

$0.011

Anbefaling: velg Claude Opus 5 for kodegjennomgang med høy risiko; send rutinekontroller til Gemini 3 Pro for å redusere kostnadene med ~54 %.

Oversikt

En praktisk oversikt over Grok 4.20, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for Grok-4.20

Element	Grok-4.20 (offentlige spesifikasjoner)
Modellfamilie	Grok-4-serien
Utvikler	xAI
Lanseringsstatus	Beta (første utrulling 17. feb. 2026)
Inndatatyper	Tekst, bilde, video
Utdatatyper	Tekstutdata (støtter strukturerte utdata og funksjon-/verktøykall).
Kontekstvindu	Opptil 2 000 000 token
Arkitektur	Samarbeidsbasert resonnering med flere agenter
Verktøystøtte	Funksjonskall, strukturerte utdata
Resonnering	Innebygde resonneringsevner
Treningsinfrastruktur	Colossus-superklynge (~200 000 GPU-er)
Modellvarianter	grok-4.20-multi-agent-beta-0309, grok-4.20-beta-0309-reasoning, grok-4.20-beta-0309-non-reasoning.

Hva er Grok-4.20

Hovedfunksjoner i Grok-4.20

Ultralangt kontekstvindu (2M token): Gjør det mulig å prosessere hele bøker, store datasett eller lange kode-repositorier i én prompt.
Arkitektur for resonnering med flere agenter: Opptil fire interne agenter kan analysere en prompt parallelt og drøfte løsninger før de produserer et endelig svar.
Agentisk verktøykall og strukturerte utdata: Støtter funksjonskall og strukturerte svar for integrasjon med applikasjoner og automatiserte arbeidsflyter.
Multimodal forståelse: Godtar tekst-, bilde- og videoinndata i samme modellpipeline.
Rask inferens med fokus på lav hallusinasjon: xAI posisjonerer modellen som optimalisert for sannferdige svar og sterk etterlevelse av prompten.

Benchmark-ytelse for Grok-4.20

Offentlige benchmark-data er fortsatt begrenset i beta, men tidlige rapporter indikerer:

Benchmark	Resultat / status
LMSYS Chatbot Arena	Estimert ELO ~1505–1535
ForecastBench	Rangert som nr. 2 i tidlige tester
Alpha Arena trading challenge	Oppnådde +34,59 % avkastning

Disse tallene antyder at Grok-4.20 konkurrerer med frontmodeller i virkelige resonnerings- og agentdrevne oppgaver snarere enn enkle benchmark-spørsmål.

Grok-4.20 Beta vs andre frontmodeller

Modell	Utvikler	Kontekstvindu	Hovedstyrke
Grok-4.20	xAI	2M token	Resonnering med flere agenter
GPT-5.2	OpenAI	~400K token	Avansert resonnering + koding
Gemini 3 Pro	Google	~1M token	multimodal og Google-økosystem
Claude 4 Opus	Anthropic	~200K+ token	pålitelig resonnering

Nøkkelforskjeller

Grok-4.20 legger vekt på samarbeid mellom flere agenter for resonneringsoppgaver.
Den tilbyr et av de største kontekstvinduene i produksjons-LLM-er (2M token).
Konkurrerende modeller kan overgå Grok på enkelte områder, som strukturert resonnering eller kreativ skriving, avhengig av evalueringsoppgavene.

Representative bruksområder

Forskningsanalyse med lang kontekst
Behandle store dokumenter, juridisk materiale eller akademisk forskning.
Agentiske automatiseringssystemer
Bygg flertrinns arbeidsflyter der modellen planlegger og utfører oppgaver.
Avansert koding og simuleringer
Løs ingeniørproblemer eller simuler systemer med lange resonnementskjeder.
Dataanalyse og dashboard-automatisering
Spor og analyser flere datastrømmer parallelt.
Multimodal kunnskapsprosessering
Tolk bilder, videorammer og tekst i en samlet resonneringsprosess.

Slik får du tilgang til og bruker Grok 4.2 API

Trinn 1: Registrer deg for API-nøkkel

Trinn 2: Send forespørsler til `Grok 4.2` API

Sett inn spørsmålet eller forespørselen din i content-feltet — det er dette modellen vil svare på. Behandle API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Behandle API-responsen for å hente det genererte svaret. Etter behandlingen svarer API-et med oppgavens status og utdata.

FAQ

Beslutningssenter for modeller

Kjenn kostnaden. Velg riktig arbeidsmengde.

Modeller de fem faktureringsdimensjonene, test en realistisk arbeidsmengde og avgjør hvor Opus er verdt pristillegget før du lanserer.

20 % under offisiell pris$1.00 mot $1.25 / 1 mill. inndatatokener

Kostnadslaboratorium

Beregn prisen på en reell agentkjøring

Spill av reelle arbeidsbelastninger på nytt i stedet for å sammenligne tokenpriser isolert. Last inn en forhåndsinnstilling, og juster deretter alle faktureringsdimensjoner.

Nye inndatatokener

tokener

Tokener lest fra hurtigbuffer

tokener

Utdatatokener

tokener

Nettsøkkall

kall

$1.00

/ 1 mill. token

Inndata

Nye instruksjoner, filer og samtalekontekst som sendes i hver runde.

Reduser den hentede konteksten før den når modellen.

$0.1600

/ 1 mill. token

Lesing fra hurtigbuffer

Tidligere hurtigbufrede ledeteksttoken som gjenbrukes i senere forespørsler.

Hold systemledetekster og repositoriekart identiske på byte-nivå.

$2.00

/ 1 mill. token

Utdata

Resonnering, kode og tekst generert av modellen.

Bruk eksplisitte fullføringskriterier og grenser for utdata.

$10.00

/ 1 000 kall

Nettsøk

Verktøykall som henter oppdatert informasjon fra nettet.

Søk én gang, og gjenbruk deretter verifiserte resultater gjennom hele kjøringen.

Der Opus forsvarer pristillegget

Passer best

Utvikling på repositorienivå

Bruk Opus når oppgaven omfatter arkitektur, flere filer og tvetydige avveininger i implementeringen.

Passer best

Langvarige agenter

Et godt valg når en agent må bevare intensjonen gjennom mange verktøykall og gjenopprettingstrinn.

Verdt pristillegget

Gjennomgang med høy verdi

Reserver den for sikkerhets-, migrerings- og produksjonsgjennomganger der et oversett problem koster mer enn tokenene.

Bruk en lettere modell

Rutinearbeid med stort volum

Klassifisering, uttrekking og enkel chat gir vanligvis bedre enhetsøkonomi med Sonnet eller Haiku.

Veiledning for ledetekstbufring

Stabiliser prefikset

Hold retningslinjer, verktøyskjemaer og repositoriekart uendret.

Skriv én gang

Plasser hurtigbufferens skillepunkt etter den gjenbrukbare konteksten.

Les gjentatte ganger

Legg bare til den oppgavespesifikke endringen i senere runder.

Gjeldende scenario

240K hurtigbufrede token

gjenbrukt til 10 % av prisen på nye inndata

unngått kostnad

$0.2016

Migrer uten å skrive om

Behold foretrukket SDK, og endre basis-URL-en, nøkkelen og modell-ID-en.

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

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/chat/completions

Eksempelkode og API for 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));

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-text

image-to-text

Inndata og utdata

Inndata

text

Utdata

text

Produksjonsprofil

Leverandør: xAI
Kontekst: 2,000,000
Kommersiell bruk: Støttet

Bruksområder

Bruk Grok 4.20 til produksjonsarbeidsflyter som passer text-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Produksjonschat og agentarbeidsflyter

Koding, analyse og strukturert generering

Automatisering i stor skala via ett API

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

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 modell

Xiaomi

mimo-v2.6-pro-ultraspeed

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

Modell-ID	Beskrivelse	Tilgjengelighet	Forespørsel
grok-4.20-multi-agent-beta-0309	Fleragentvariant fininnstilt for sanntidsorkestrering av agenter og kall til verktøy (nyttig for dyptgående forskningsarbeidsflyter der flere underagenter utfører nettsøk, kjører kode og gjør kritisk vurdering).	✅	kall i responsformat.
grok-4.20-0309-reasoning	Resonneringsoptimalisert variant: prioriterer dypere resonnement i tankerekke-stil og høyere benchmark-resultater på resonnementstunge tester; høyere latenstid/kostnad per token forventes sammenlignet med ikke-resonneringsvarianter.	✅	kall i chat-format og i responsformat.
grok-4.20-0309-non-reasoning	Variant med lavere latenstid/kostnad for oppgaver med høy gjennomstrømning der deterministiske, korte svar eller strømmende utdata har prioritet; avveiningene inkluderer lavere benchmark-resultater på resonnementstester.	✅	kall i chat-format og i responsformat.

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for Grok 4.20 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Mar 11, 2026

API-tilgjengelighet bekreftet

Grok 4.20 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Feb 5, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske

Grok 4.20 API

Testmiljø

Priser

Modelloversikt

Hva er Grok 4.20?

Gjeldende katalogøyeblikksbilde

Bestem først. Integrer med trygghet.

Oversikt

Tekniske spesifikasjoner for Grok-4.20

Hva er Grok-4.20

Hovedfunksjoner i Grok-4.20

Benchmark-ytelse for Grok-4.20

Grok-4.20 Beta vs andre frontmodeller

Representative bruksområder

Slik får du tilgang til og bruker Grok 4.2 API

Trinn 1: Registrer deg for API-nøkkel

Trinn 2: Send forespørsler til Grok 4.2 API

Trinn 3: Hent og verifiser resultater

FAQ

Hvilke benchmarker viser ytelsen til Grok-4.20?

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

Er Grok-4.20 tilgjengelig via et API for utviklere?

Hvordan sammenligner Grok-4.20 seg med GPT-5.2 eller Gemini-modeller?

Hva skiller Grok-4.20 fra tidligere Grok-modeller?

Kan Grok-4.20 håndtere multimodale inndata som bilder eller video?

Kjenn kostnaden. Velg riktig arbeidsmengde.

Beregn prisen på en reell agentkjøring

Inndata

Lesing fra hurtigbuffer

Utdata

Nettsøk

Der Opus forsvarer pristillegget

Utvikling på repositorienivå

Langvarige agenter

Gjennomgang med høy verdi

Rutinearbeid med stort volum

Veiledning for ledetekstbufring

Migrer uten å skrive om

API

Ett API, produksjonsklar modelltilgang

Eksempelkode og API for Grok 4.20

cURL Code Example

Python Code Example

JavaScript Code Example

Funksjoner

Bruksområder

Andre modeller

Oppetid

Versjoner

Oppdateringer

Én side som blir bedre over tid.

API-tilgjengelighet bekreftet

Priser og begrensninger synkronisert fra katalogen

Permanent modellentitet opprettet

Sammenlign modeller og fortsett research

Grok 4.20 API

Testmiljø

Priser

Modelloversikt

Hva er Grok 4.20?

Gjeldende katalogøyeblikksbilde

Bestem først. Integrer med trygghet.

Oversikt

Tekniske spesifikasjoner for Grok-4.20

Hva er Grok-4.20

Hovedfunksjoner i Grok-4.20

Benchmark-ytelse for Grok-4.20

Grok-4.20 Beta vs andre frontmodeller

Representative bruksområder

Slik får du tilgang til og bruker Grok 4.2 API

Trinn 1: Registrer deg for API-nøkkel

Trinn 2: Send forespørsler til Grok 4.2 API

Trinn 3: Hent og verifiser resultater

FAQ

Hvilke benchmarker viser ytelsen til Grok-4.20?

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

Er Grok-4.20 tilgjengelig via et API for utviklere?

Hvordan sammenligner Grok-4.20 seg med GPT-5.2 eller Gemini-modeller?

Hva skiller Grok-4.20 fra tidligere Grok-modeller?

Kan Grok-4.20 håndtere multimodale inndata som bilder eller video?

Trinn 2: Send forespørsler til `Grok 4.2` API

Trinn 2: Send forespørsler til `Grok 4.2` API