Navigation
AI BENCHY
Advertise here

AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok Build 0.1

Zusammenfassung

Mercury 2 vs Grok Build 0.1 Benchmark-Vergleich: Der Durchschnittsscore ist mit 7.5 vs 7.6 praktisch gleichauf. Mercury 2 hat die niedrigeren Benchmark-Kosten mit $0.058 vs $0.927. Mercury 2 ist schneller mit 2.24s vs 49.90s, mit Erfolgsraten von 54.0% vs 61.9%.

Empfohlenes Modell: Mercury 2 - Es hat hier die beste Punktzahl (7.5) und kostet etwa 16.0x weniger als Grok Build 0.1.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-18

Metrik Mercury 2 Mercury 2 medium Veröffentlichung: 2026-02-24 Grok Build 0.1 Grok Build 0.1 medium Veröffentlichung: 2026-05-21
Punktzahl 7.5 7.6
Rang #44 #42
Zuverlässigkeit 10.0 10.0
Konsistenz 8.8 9.9
Korrekte Tests
Erfolgsquote pro Versuch 54.0% 61.9%
Instabile Tests 3 0
Gesamtläufe 63 63
Kosten pro Ergebnis 0.578 7.124
Gesamtkosten $0.058 $0.927
Eingabepreis $0.250 / 1M $1.000 / 1M
Ausgabepreis $0.750 / 1M $2.000 / 1M
Gesamte Eingabe-Token 35,116 44,418
Ausgabe-Token 4,048 2,782
Denk-Token 61,219 438,018
Antwortzeit (Durchschnitt) 2.24s 49.90s
Antwortzeit (Maximum) 14.63s 252.69s
Antwortzeit (Gesamt) 44.72s 1047.92s

Generierungs-Showcase

Hamster playing table tennis

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

#44 Mercury 2

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

#42 xAI: Grok Build 0.1

medium
Kosten
$0.028
Zeit
81.3s
Token
14,009 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
Kombiniert 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 3.28s 12,909 268 4,887
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Schnellvergleich

Vergleichspaar wechseln

DeepSeek V4 ProhighvsGrok Build 0.1mediumMercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsMercury 2mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsMercury 2mediumClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Opus 4.8nonevsMercury 2mediumClaude Opus 4.8nonevsGrok Build 0.1medium