নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Mercury 2 vs Grok 4.20

Mercury 2 average score-এ এগিয়ে: 4.7 vs 4.1. Mercury 2-এর benchmark খরচ কম: $0.030 vs $0.057. Mercury 2 দ্রুত: 825ms vs 1.11s, pass rates 24.2% vs 27.3%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-08-15

র‍্যাঙ্ক
#259
মোট আউটপুট টোকেন
9,584
প্রতিক্রিয়া সময় (গড়)
825ms
মোট খরচ
$0.030
র‍্যাঙ্ক
#269
মোট আউটপুট টোকেন
1,923
প্রতিক্রিয়া সময় (গড়)
1.11s
মোট খরচ
$0.057
প্রস্তাবিত মডেল Mercury 2

It has the best score here (4.7), while costing about 1.9x less than Grok 4.20.

বিস্তারিত তুলনা

মেট্রিক Mercury 2 Mercury 2 none প্রকাশ: 2026-02-24 Grok 4.20 Grok 4.20 none প্রকাশ: 2026-03-31
স্কোর 4.7 4.1
র‍্যাঙ্ক #259 #269
নির্ভরযোগ্যতা 10.0 প্রযোজ্য নয়
ধারাবাহিকতা 9.2 8.1
প্রচেষ্টা 66/66 54/66
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 24.2% 27.3%
অস্থির টেস্ট 2 0
মোট রান 66 54
প্রতি ফলাফলে খরচ 0.740 1.570
মোট খরচ $0.030 $0.057
ইনপুট মূল্য $0.250 / 1M $1.250 / 1M
আউটপুট মূল্য $0.750 / 1M $2.500 / 1M
মোট ইনপুট টোকেন 89,637 41,313
আউটপুট টোকেন 9,584 1,923
রিজনিং টোকেন 0 0
প্রতিক্রিয়া সময় (গড়) 825ms 1.11s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 4.52s 6.04s
প্রতিক্রিয়া সময় (মোট) 18.14s 19.96s
প্যারামিটার ~100B ~1T মোট (~100B সক্রিয়)
উপলভ্যতা বন্ধ উৎস বন্ধ উৎস

মডেল জেনারেশন শোকেস

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#259 Mercury 2

none
খরচ
$0.002
সময়
1.8s
টোকেন
1,514 tok

#269 xAI: Grok 4.20

none
খরচ
$0.004
সময়
6.5s
টোকেন
1,367 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
Grok 4.20 1.1 3.1 0.0% 0 1.22s 1,074 312 0

দ্রুত তুলনা

তুলনার জুটি বদলান

CobuddymediumvsMercury 2noneMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsMiniMax M2.5mediumTrinity Large ThinkinghighvsMercury 2noneMercury 2nonevsNemotron 3.5 Lightninglowবিনামূল্যে উপলভ্যGrok 4.20nonevsGLM 4.7 FlashmediumLing 3.0 TinyhighvsGrok 4.20noneLing 3.0 TinylowvsGrok 4.20noneQwen3.5-9BmediumvsGrok 4.20noneLing 3.0 TinymediumvsGrok 4.20noneMercury 2nonevsLaguna S 2.1lowবিনামূল্যে উপলভ্যMercury 2nonevsGLM 4.7 Flashmedium