Grok 4.20 Beta, τ²-Bench değerlendirmesinde %97 doğruluk oranı elde ederek ikinci sırayı aldı. Sierra'nın orijinal τ-bench çerçevesinin bir uzantısı olan τ²-Bench, titiz test standartlarıyla tanınır. Bu kıyaslama, yapay zekanın soru yanıtlama ve navigasyon görevlerini tamamlama yeteneklerini değerlendirir ve Grok 4.20 Beta'nın bu alanlardaki gelişmiş performansını vurgular.