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

AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok 4.1 Fast

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-04-16

Métrica Mercury 2 Mercury 2 none Lanzamiento: 2026-02-24 Grok 4.1 Fast Grok 4.1 Fast medium Lanzamiento: 2025-11-19
Puntuación 4.8 6.7
Rango #89 #51
Consistencia 9.0 7.2
Pruebas correctas
Tasa de aciertos por intento 27.8% 64.8%
Pruebas inestables 2 6
Ejecuciones totales 54 54
Costo por resultado 0.165 0.613
Costo total $0.007 $0.056
Precio de entrada $0.250 / 1M $0.200 / 1M
Precio de salida $0.750 / 1M $0.500 / 1M
Tokens de salida 1,625 2,010
Tokens de razonamiento 0 91,298
Tiempo de respuesta (promedio) 613ms 23.88s
Tiempo de respuesta (máximo) 1.27s 121.79s
Tiempo de respuesta (total) 11.04s 262.66s

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

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 3.0 10.0 0.0% 0 483ms 286 0
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 3.6 8.9 0.0% 0 969ms 310 0
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 3.0 10.0 0.0% 0 606ms 131 0
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 7.3 5.9 83.3% 1 667ms 180 0
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 5.3 7.2 44.4% 1 534ms 46 0
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 4.8 10.0 0.0% 0 628ms 159 0
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 6.5 10.0 50.0% 0 551ms 82 0
Grok 4.1 Fast 6.6 10.0 50.0% 0 5.30s 55 3,489
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 3.1 10.0 0.0% 0 533ms 234 0
Grok 4.1 Fast 5.3 7.2 44.4% 1 8.08s 187 6,086
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Mercury 2 10.0 10.0 100.0% 0 1.27s 197 0
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485

Comparación rápida

Cambiar par de comparación

Grok 4.1 FastmediumvsGLM 5noneMercury 2nonevsQwen3 Coder NextmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumMercury 2nonevsGLM 4.7 FlashmediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemma 4 31BnoneDisponible gratisvsGrok 4.1 FastmediumMercury 2nonevsQwen3.5-9BmediumMercury 2nonevsElephantmediumGrok 4.1 FastmediumvsGLM 5V TurbononeQwen3.5-FlashnonevsGrok 4.1 FastmediumMercury 2nonevsMiniMax M2.7mediumGemma 4 26B A4BnoneDisponible gratisvsGrok 4.1 Fastmedium