AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok Build 0.1

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-05-22

المقياس	Mercury 2 Mercury 2 medium الإصدار: 2026-02-24	Grok Build 0.1 Grok Build 0.1 none الإصدار: 2026-05-21

المقياس	Mercury 2 Mercury 2 medium الإصدار: 2026-02-24	Grok Build 0.1 Grok Build 0.1 none الإصدار: 2026-05-21
النتيجة	6.3	6.6
الترتيب	#90	#82
الموثوقية	10.0	10.0
الاتساق	8.4	8.0
اختبارات صحيحة
معدل النجاح لكل محاولة	50.0%	60.4%
اختبارات غير مستقرة	4	4
إجمالي مرات التشغيل	60	57
التكلفة لكل نتيجة	0.687	7.805
إجمالي التكلفة	$0.055	$0.547
??? ???????	$0.250 / 1M	$1.000 / 1M
??? ???????	$0.750 / 1M	$2.000 / 1M
رموز الإخراج	4,015	267,275
رموز الاستدلال	58,382	0
زمن الاستجابة (المتوسط)	2.27s	28.69s
زمن الاستجابة (الحد الأقصى)	14.63s	138.35s
زمن الاستجابة (الإجمالي)	43.15s	459.00s

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

النتيجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

النتيجة vs إجمالي رموز الإخراج

تفصيل الفئات

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	6.9	9.9	50.0%	0		1.12s	2,546	2,609
Grok Build 0.1	8.7	7.9	91.7%	1		6.30s	11,162	0

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	7.2	6.5	66.7%	1		2.29s	270	8,514
Grok Build 0.1	10.0	10.0	100.0%	0		21.41s	16,568	0

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	10.0	10.0	100.0%	0		3.28s	268	4,887
Grok Build 0.1	0.0	0.0	0.0%	0		0ms	0	0

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	7.3	5.9	83.3%	1		1.11s	183	1,656
Grok Build 0.1	4.7	1.6	66.7%	1		9.33s	6,359	0

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	2.9	7.2	11.1%	1		6.48s	41	30,754
Grok Build 0.1	3.6	7.2	22.2%	1		103.71s	179,469	0

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	4.8	10.0	0.0%	0		821ms	137	542
Grok Build 0.1	4.3	10.0	0.0%	0		12.47s	6,647	0

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	10.0	10.0	100.0%	0		1.07s	14	958
Grok Build 0.1	9.8	10.0	100.0%	0		7.36s	8,970	0

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	3.8	7.3	22.2%	1		934ms	354	2,758
Grok Build 0.1	6.4	7.7	55.6%	1		9.55s	14,982	0

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	10.0	10.0	100.0%	0		1.89s	180	1,956
Grok Build 0.1	0.0	0.0	0.0%	0		0ms	0	0

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Mercury 2	3.0	10.0	0.0%	0		2.58s	22	3,748
Grok Build 0.1	3.0	10.0	0.0%	0		36.09s	23,118	0

مقارنة سريعة

تبديل زوج المقارنة

Qwen3.6 27BmediumvsGrok Build 0.1none DeepSeek V4 ProhighvsGrok Build 0.1none Mercury 2mediumvsGLM 5none Kimi K2.5mediumvsGrok Build 0.1none Gemini 3.1 Flash LiteminimalvsGrok Build 0.1none Gemma 4 26B A4Bnoneمتاح مجانًاvsMercury 2medium Gemini 2.5 FlashnonevsMercury 2medium Mercury 2mediumvsMiMo-V2-Omninone Mercury 2mediumvsQwen3.5 Plus 2026-02-15none DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.5none Gemini 3.1 Flash LitenonevsMercury 2medium