Inception: Mercury 2 vs xAI: Grok 4.20

Grok 4.20 (medium) führt beim Durchschnittsscore mit 7.1 vs 7.0. Mercury 2 (medium) hat die niedrigeren Benchmark-Kosten mit $0.093 vs $0.777. Mercury 2 (medium) ist schneller mit 2.72s vs 29.47s, mit Erfolgsraten von 51.5% vs 63.6%.

Empfohlenes ModellMercury 2 (medium)Die Punktzahl bleibt nah an der besten hier (7.0 vs 7.1) und es kostet etwa 8.4x weniger als Grok 4.20 (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-18

Metrik	Mercury 2 Mercury 2 medium Veröffentlichung: 2026-02-24	Grok 4.20 Grok 4.20 medium Veröffentlichung: 2026-03-31

Metrik	Mercury 2 Mercury 2 medium Veröffentlichung: 2026-02-24	Grok 4.20 Grok 4.20 medium Veröffentlichung: 2026-03-31
Punktzahl	7.0	7.1
Rang	#77	#74
Zuverlässigkeit	10.0	10.0
Konsistenz	8.8	8.5
Korrekte Tests
Erfolgsquote pro Versuch	51.5%	63.6%
Instabile Tests	3	4
Gesamtläufe	66	66
Kosten pro Ergebnis	0.928	9.709
Gesamtkosten	$0.093	$0.777
Eingabepreis	$0.250 / 1M	$1.250 / 1M
Ausgabepreis	$0.750 / 1M	$2.500 / 1M
Gesamte Eingabe-Token	109,572	102,791
Ausgabe-Token	10,313	5,363
Denk-Token	76,806	253,977
Antwortzeit (Durchschnitt)	2.72s	29.47s
Antwortzeit (Maximum)	14.63s	199.66s
Antwortzeit (Gesamt)	57.12s	648.35s

Hamster playing table tennis

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

#77 Mercury 2

medium

Kosten: $0.002
Zeit: 2.1s
Token: 1,702 tok

#74 xAI: Grok 4.20

medium

Kosten: $0.041
Zeit: 110.3s
Token: 16,336 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Grok 4.20	5.3	10.0	33.3%	0		27.03s	1,764	375	49,339

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

Schnellvergleich

Vergleichspaar wechseln

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGrok 4.20medium DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone KAT-Coder-Pro V2.5highvsGrok 4.20medium Gemini 3.5 FlashnonevsGrok 4.20medium Mercury 2mediumvsStep 3.7 Flashhigh Step 3.7 FlashlowvsGrok 4.20medium Mercury 2mediumvsGPT-5.5none Claude Opus 4.8nonevsGrok 4.20medium Mercury 2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsMercury 2medium