xAI представила модель Grok 4.20, которая по результатам бенчмарков уступает лидерам рынка, но значительно реже выдает вымышленные ответы. По данным сервиса Artificial Analysis, Grok 4.20 Beta набирает 48 баллов в Intelligence Index с включенным режимом рассуждений, тогда как Gemini 3.1 Pro Preview и GPT-5.4 получают по 57 баллов. При этом показатель Grok 4.20 на 6 пунктов выше, чем у Grok 4.
Компания выпустила три варианта API Grok 4.20: с включенным рассуждением, без него и в формате мультиагентной конфигурации. Модель поддерживает контекст до 2 млн токенов. Стоимость использования — 2 или 6 долларов за 1 млн токенов в зависимости от режима, что дешевле Grok 4 и находится на конкурентном уровне по сравнению с другими крупными западными моделями.
Главное отличие Grok 4.20 — высокая фактическая точность. В тесте AA Omniscience, который оценивает, как часто модель признает отсутствие знаний вместо выдуманного ответа, Grok 4.20 показала 78 % ответов без “галлюцинаций”. Artificial Analysis называет это рекордным результатом. По данным теста, модель ошибалась примерно один раз из пяти в случаях, когда у нее не было нужной информации.
Источник: Artificial Analysis, The Decoder.
