#77 Mercury 2
medium- Coste
- $0.002
- Tiempo
- 2.1s
- Tokens
- 1,702 tok
Inception: Mercury 2 vs xAI: Grok 4.20
Grok 4.20 (medium) lidera en puntuación media con 7.1 vs 7.0. Mercury 2 (medium) tiene menor coste de benchmark con $0.093 vs $0.777. Mercury 2 (medium) es más rápido con 2.72s vs 29.47s, con tasas de acierto de 51.5% vs 63.6%.
Modelo recomendadoMercury 2 (medium)Su puntuación se mantiene cerca de la mejor aquí (7.0 vs 7.1) y cuesta aproximadamente 8.4x menos que Grok 4.20 (medium).
Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-18
| Métrica | Mercury 2 Mercury 2 medium | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| Puntuación | 7.0 | 7.1 |
| Rango | #77 | #74 |
| Fiabilidad | 10.0 | 10.0 |
| Consistencia | 8.8 | 8.5 |
| Pruebas correctas | ||
| Tasa de aciertos por intento | 51.5% | 63.6% |
| Pruebas inestables | 3 | 4 |
| Ejecuciones totales | 66 | 66 |
| Costo por resultado | 0.928 | 9.709 |
| Costo total | $0.093 | $0.777 |
| Precio de entrada | $0.250 / 1M | $1.250 / 1M |
| Precio de salida | $0.750 / 1M | $2.500 / 1M |
| Total de tokens de entrada | 109,572 | 102,791 |
| Tokens de salida | 10,313 | 5,363 |
| Tokens de razonamiento | 76,806 | 253,977 |
| Tiempo de respuesta (promedio) | 2.72s | 29.47s |
| Tiempo de respuesta (máximo) | 14.63s | 199.66s |
| Tiempo de respuesta (total) | 57.12s | 648.35s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#74 xAI: Grok 4.20
medium- Coste
- $0.041
- Tiempo
- 110.3s
- Tokens
- 16,336 tok
Mejores modelos por puntuación
Puntuación vs costo total
Tiempo de respuesta (promedio)
Puntuación vs Tiempo de respuesta (promedio)
Total de tokens de salida
Puntuación vs Total de tokens de salida
Desglose por categoría
| Análisis y extracción de datos | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| Seguimiento de instrucciones | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| Llamada de herramientas | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
Comparación rápida
Cambiar par de comparación
Gemini 3.5 FlashnonevsMercury 2mediumQwen3.7 PlusnonevsGrok 4.20mediumDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsGPT-5.6 SolnoneKAT-Coder-Pro V2.5highvsGrok 4.20mediumGemini 3.5 FlashnonevsGrok 4.20mediumMercury 2mediumvsStep 3.7 FlashhighStep 3.7 FlashlowvsGrok 4.20mediumMercury 2mediumvsGPT-5.5noneClaude Opus 4.8nonevsGrok 4.20mediumMercury 2mediumvsQwen3.7 PlusnoneGemini 3.5 FlashminimalvsMercury 2medium