2026-07-24
BenchLM 验证 Grok 4.20 Reasoning 档案，包含 19 条公开基准记录
BenchLM 2026 年 7 月 25 日档案将 Grok 4.20 标为专有推理模型，具备 200 万上下文、Chatbot Arena Elo 1474，并覆盖代码、agent、推理、知识和多模态任务证据。该页面也提示：若用户不需要 200 万上下文，更新的 Grok 世代已可作为替代。
TheRouter 编辑重写benchlm.ai ↗
返回模型列表
Grok 4.20 Reasoning
xaixai/grok-4.20-reasoning
xAI's flagship model (March 2026) with 2M token context window and deep reasoning. Best for complex multi-step tasks, analysis, and research with function calling and structured outputs.
Grok 4.20 Reasoning 是 xAI Grok 4.20 API 系列中开启推理的变体，在 TheRouter 上固定为 xai/grok-4.20-reasoning，路由到 2026 年 3 月的 grok-4.20-0309-reasoning 快照。它保留 Grok 4.20 家族 200 万 token 上下文窗口和文本+图像输入能力，同时启用显式链式推理风格的深度推理，适合复杂逻辑、数学、代码和长周期 agent 工作流。
在生产路由中，该模型是 Grok 4.20 系列中偏重深度的成员。当你既需要 200 万 token 上下文，又需要比非推理速度变体更强的推理能力时，应优先考虑它。BenchLM 2026 年 7 月 25 日档案将 Grok 4.20 标注为专有推理模型，公开总分 53.92/100，Chatbot Arena Elo 1474，并在 agent、代码、推理、知识和多模态类别中有公开证据。
代价是延迟和 token 量。推理模式能提升困难任务准确率，但在最终答案前可能消耗额外隐藏或可见推理 token，因此不适合简单提取、分类或模板化文案等成本敏感任务。对于不需要 200 万上下文的新 xAI 集成，Grok 4.3 通常是更新的默认选择；但如果需要固定版本的长上下文推理，Grok 4.20 Reasoning 仍是更稳妥的目标。
适合使用
- • 大语料长上下文推理——200 万 token 窗口可容纳完整代码库、诉讼材料、访谈记录或研究包，推理模式负责跨文档依赖分析
- • 复杂代码与调试——BenchLM 为 Grok 4.20 推理系列列出 SWE-bench Verified 76.7% 和 LiveCodeBench Pro 74.2%；适合上下文覆盖面重要的多文件修复
- • 带工具调用的 agent 工作流——显式推理配合函数调用，有助于规划多步动作、检查工具结果并从部分失败中恢复
- • 多模态文档与截图分析——文本+图像输入配合推理，适合图表、扫描文档、界面截图和有依据的视觉问答
- • 需要暴露假设的研究与分析草稿——相比非推理变体，推理模式更适合结构化论证、风险分析和证据综合
不适合使用
- • 简单的大规模提取或分类——推理开销通常是浪费；当延迟和单位成本优先时，请改用 xai/grok-4.20-non-reasoning 或 xai/grok-4-fast-non-reasoning
- • 延迟极敏感的聊天体验——推理会增加首 token 延迟；除非质量失败代价很高，否则快速助手回合应使用非推理变体
- • 需要原生视频或音频输入的请求——Grok 4.20 Reasoning 支持文本和图像输入；如需更新的 xAI 视频能力可比较 xai/grok-4.3，语音则使用 xAI 独立语音 API
- • 只需要最新 xAI 世代的工作负载——如果 100 万上下文足够，xai/grok-4.3 可能是更好的当前默认选择，路由更新且官方上游价格更低
供应商自营与 TheRouter 服务形态的差异
供应商自己运营时
xAI 将 Grok 4.20 Reasoning 作为原生 xAI API 模型提供，使用 xAI 自身的价格层级、reasoning token 计费、服务端工具，并说明 Grok 4.20 及更新模型会静默忽略 logprobs/top_logprobs。
在 TheRouter 上
TheRouter 通过 OpenAI 兼容 chat 端点提供固定的 xai/grok-4.20-reasoning 路由，价格来自 standard-models.yaml；该模型不暴露媒体生成、音频或 embeddings 端点。
上下文长度
2M
最大输出
66K
输入价格每百万 tokens
$1.35每百万 Tokens
输出价格每百万 tokens
$2.70每百万 Tokens
模态能力
文本图像→文本
能力
视觉理解
价格明细
| 类型 | 费率 |
|---|---|
| 提示少于 200K tokens | |
| 输入 | $1.35 每百万 Tokens |
| 输出 | $2.70 每百万 Tokens |
| 缓存输入 | $1.35 每百万 Tokens |
| 提示达到 200K tokens 及以上 | |
| 输入 | $2.70 每百万 Tokens |
| 输出 | $5.40 每百万 Tokens |
| 缓存输入 | $0.432 每百万 Tokens |
分档计价：当一次请求的提示 tokens（输入，含缓存命中）达到 200K 及以上时，该请求的全部 tokens 均按长上下文费率计费。该模型在基础档未公布独立的缓存输入价格：基础档内缓存命中的 tokens 按基础档输入费率计费（表中该档的"缓存输入"即为该费率）。
支持参数
temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstop
模型规格
| 发布日期（公开 API） | 未公开披露 | 未知 |
| API 模型标识（固定版本） | grok-4.20-0309-reasoningdocs.x.ai ↗ | 已核实 |
| 推理模式 | 当前 xAI 推理模型支持可配置 reasoning；xAI 文档说明了 reasoning tokens 与 reasoning.effort 控制，但未发布单独的 Grok 4.20 Reasoning 模型卡。docs.x.ai ↗ | 已核实 |
| 上下文窗口 | 200 万 tokendocs.x.ai ↗ | 已核实 |
| 最大生成 token 数 | TheRouter 上为 65,536 token | 已核实 |
| 输入模态 | 文本、图像docs.x.ai ↗ | 已核实 |
| 输出模态 | 文本 | 已核实 |
| TheRouter 定价 | TheRouter 上每 1M token：输入 $3.00 / 输出 $9.00 | 已核实 |
| 上游公开定价 | 短上下文：每 1M token 输入 $1.25 / 缓存 $0.20 / 输出 $2.50；长上下文（提示词 ≥200k token）：每 1M token 输入 $2.50 / 缓存 $0.40 / 输出 $5.00docs.x.ai ↗ | 已核实 |
| 函数调用 / 工具 | 支持 | 已核实 |
| 结构化输出（response_format） | 支持（JSON 模式） | 已核实 |
| 知识截止日期 | 未公开披露 | 未知 |
| 许可 | 商业专有 | 已核实 |
基准成绩
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
BenchLM public score BenchLM 对 Grok 4.20 Beta Reasoning 的档案；数据验证于 2026-07-25。由于覆盖 369 项追踪基准中的 19 项，BenchLM 将总分标为临时。 | — | 未公开披露 | — |
Chatbot Arena Elo — Text Overall BenchLM 报告置信区间 ±4.7，样本为 26,822 票。 | — | 未公开披露 | — |
SWE-bench Verified BenchLM 为 Grok 4.20 推理系列记录的二级精确数据行。 | — | 未公开披露 | — |
LiveCodeBench Pro | — | 未公开披露 | — |
Terminal-Bench 2.0 | — | 未公开披露 | — |
DeepSearchQA | — | 未公开披露 | — |
ARC-AGI-2 | — | 未公开披露 | — |
GPQA Diamond | — | 未公开披露 | — |
HLE without tools | — | 未公开披露 | — |
MMMU-Pro | — | 未公开披露 | — |
CharXiv Reasoning | — | 未公开披露 | — |
API 使用示例
所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。
cURL
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "xai/grok-4.20-reasoning",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'API 使用指南
完整 API 参考 →推理 Chat 调用
使用标准 OpenAI 兼容 chat completions 端点。当你需要稳定的 Grok 4.20 推理行为而不是会变化的 latest 别名时，请固定模型 ID 为 xai/grok-4.20-reasoning。
cURL
curl https://api.therouter.ai/v1/chat/completions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "xai/grok-4.20-reasoning",
"messages": [
{"role": "system", "content": "Reason carefully, cite uncertainty, and give the shortest defensible answer."},
{"role": "user", "content": "Compare these two migration plans and identify the hidden failure modes."}
],
"reasoning": {"effort": "high"}
}'xai 其他模型
同类模型
跨供应商的相似能力档位动态与变更
2026-07-09
xAI 文档列出 Grok 4.20 定价与兼容性注意事项
xAI 的模型与定价页面列出 grok-4.20-0309-reasoning：上下文为 100 万 token，短上下文每 1M token 输入 $1.25 / 输出 $2.50，长上下文为 $2.50 / $5.00，并说明 Grok 4.20 及更新模型会忽略 logprobs/top_logprobs。
TheRouter 编辑重写docs.x.ai ↗
常见问题
什么时候应选择 xai/grok-4.20-reasoning 而不是 xai/grok-4.20-non-reasoning？
当任务需要多步规划、数学或科学推理、代码修复、工具调用决策或跨文档综合时，选择推理变体。当任务简单、对延迟敏感或调用量很大时——例如提取、分类、摘要或模板化转换——选择非推理变体，因为推理 token 不会带来足够准确率收益。
TheRouter 编辑重写benchlm.ai ↗
Grok 4.20 Reasoning 比非推理变体更便宜还是更贵？
TheRouter 上列出的每 token 价格与 Grok 4.20 Non-Reasoning 属于同一系列费率（当前模型目录为每 1M token 输入 $3.00 / 输出 $9.00）。但每个完成任务的实际成本仍可能更高，因为推理模式可能生成额外推理 token，并在最终答案前花费更长时间。
TheRouter 编辑重写
Grok 4.20 Reasoning 支持 OpenAI SDK 调用吗？
支持。通过 TheRouter 使用 OpenAI SDK 调用 https://api.therouter.ai/v1/chat/completions，将 baseURL 设为 TheRouter，并使用 model: "xai/grok-4.20-reasoning"。该模型支持 chat、流式输出、工具调用、结构化输出、图像输入和 TheRouter 标准 reasoning 选项；不用于 embeddings、音频、图像生成或视频生成。
新的 xAI 工作负载应使用 Grok 4.20 Reasoning 还是 Grok 4.3？
如果你想使用更新的 xAI 旗舰且 100 万上下文足够，请使用 Grok 4.3。当 200 万上下文窗口、固定的 2026 年 3 月快照，或与现有 Grok 4.20 集成兼容是决定性需求时，保留 Grok 4.20 Reasoning。
TheRouter 编辑重写benchlm.ai ↗
事实档案 — 本页每条断言可在此回溯来源
| 来源 | URL | 采集于 | |
|---|---|---|---|
| 发布日期（公开 API） | — | — | 未知 |
| API 模型标识（固定版本） | docs.x.ai ↗ | 2026-07-31 | 已核实 |
| 推理模式 | docs.x.ai ↗ | 2026-07-31 | 已核实 |
| 上下文窗口 | docs.x.ai ↗ | 2026-07-31 | 已核实 |
| 最大生成 token 数 | — | — | 已核实 |
| 输入模态 | docs.x.ai ↗ | 2026-07-31 | 已核实 |
| 输出模态 | — | — | 已核实 |
| TheRouter 定价 | — | — | 已核实 |
| 上游公开定价 | docs.x.ai ↗ | 2026-07-31 | 已核实 |
| 函数调用 / 工具 | — | — | 已核实 |
| 结构化输出（response_format） | — | — | 已核实 |
| 知识截止日期 | — | — | 未知 |
| 许可 | — | — | 已核实 |
| BenchLM public score | benchlm.ai ↗ | 2026-07-26 | 未知 |
| Chatbot Arena Elo — Text Overall | benchlm.ai ↗ | 2026-07-26 | 未知 |
| SWE-bench Verified | benchlm.ai ↗ | 2026-07-26 | 未知 |
| LiveCodeBench Pro | benchlm.ai ↗ | 2026-07-26 | 未知 |
| Terminal-Bench 2.0 | benchlm.ai ↗ | 2026-07-26 | 未知 |
| DeepSearchQA | benchlm.ai ↗ | 2026-07-26 | 未知 |
| ARC-AGI-2 | benchlm.ai ↗ | 2026-07-26 | 未知 |
| GPQA Diamond | benchlm.ai ↗ | 2026-07-26 | 未知 |
| HLE without tools | benchlm.ai ↗ | 2026-07-26 | 未知 |
| MMMU-Pro | benchlm.ai ↗ | 2026-07-26 | 未知 |
| CharXiv Reasoning | benchlm.ai ↗ | 2026-07-26 | 未知 |
| BenchLM 验证 Grok 4.20 Reasoning 档案，包含 19 条公开基准记录 | benchlm.ai ↗ | 2026-07-26 | 已核实 |
| xAI 文档列出 Grok 4.20 定价与兼容性注意事项 | docs.x.ai ↗ | 2026-07-31 | 已核实 |
| 什么时候应选择 xai/grok-4.20-reasoning 而不是 xai/grok-4.20-non-reasoning？ | benchlm.ai ↗ | 2026-07-26 | 待核实 |
| 新的 xAI 工作负载应使用 Grok 4.20 Reasoning 还是 Grok 4.3？ | benchlm.ai ↗ | 2026-07-26 | 待核实 |