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 4.20

Resumen

Comparación benchmark de Mercury 2 vs Grok 4.20: Mercury 2 lidera en puntuación media con 4.6 vs 4.4. Mercury 2 tiene menor coste de benchmark con $0.011 vs $0.057. Mercury 2 es más rápido con 653ms vs 1.11s, con tasas de acierto de 23.8% vs 28.6%.

Modelo recomendado: Mercury 2 - Tiene la mejor puntuación aquí (4.6) y cuesta aproximadamente 5.5x menos que Grok 4.20.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica Mercury 2 Mercury 2 none Lanzamiento: 2026-02-24 Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31
Puntuación 4.6 4.4
Rango #151 #155
Fiabilidad 10.0 N/D
Consistencia 9.2 8.5
Pruebas correctas
Tasa de aciertos por intento 23.8% 28.6%
Pruebas inestables 2 0
Ejecuciones totales 63 54
Costo por resultado 0.259 1.570
Costo total $0.011 $0.057
Precio de entrada $0.250 / 1M $1.250 / 1M
Precio de salida $0.750 / 1M $2.500 / 1M
Total de tokens de entrada 28,113 41,313
Tokens de salida 4,439 1,923
Tokens de razonamiento 0 0
Tiempo de respuesta (promedio) 653ms 1.11s
Tiempo de respuesta (máximo) 1.43s 6.04s
Tiempo de respuesta (total) 13.72s 19.96s

Generación showcase

Hamster playing table tennis

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

#151 Mercury 2

none
Coste
$0.002
Tiempo
1.8s
Tokens
1,514 tok

#155 xAI: Grok 4.20

none
Coste
$0.004
Tiempo
6.5s
Tokens
1,367 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

Trucos anti-IA 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 3.0 10.0 0.0% 0 483ms 631 286 0
Grok 4.20 4.8 10.0 25.0% 0 501ms 1,986 267 0
Programación 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 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
Combinado 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 3.0 10.0 0.0% 0 606ms 4,821 131 0
Grok 4.20 3.0 10.0 0.0% 0 6.04s 17,673 282 0
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 667ms 6,362 180 0
Grok 4.20 10.0 10.0 100.0% 0 522ms 7,749 207 0
Específico del dominio 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 5.3 7.2 44.4% 1 534ms 784 46 0
Grok 4.20 3.0 10.0 0.0% 0 687ms 1,746 325 0
Inteligencia general 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 4.8 10.0 0.0% 0 628ms 495 159 0
Grok 4.20 4.8 10.0 0.0% 0 659ms 819 83 0
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 6.5 10.0 50.0% 0 551ms 691 82 0
Grok 4.20 6.3 10.0 50.0% 0 445ms 1,350 60 0
Resolución de acertijos 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 3.1 10.0 0.0% 0 535ms 694 251 0
Grok 4.20 5.3 10.0 33.3% 0 473ms 1,671 198 0
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 1.27s 6,193 197 0
Grok 4.20 10.0 10.0 100.0% 0 4.63s 7,245 189 0
Cultura general 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 3.0 10.0 0.0% 0 548ms 213 19 0
Grok 4.20 0.0 0.0 0.0% 0 0ms 0 0 0

Comparación rápida

Cambiar par de comparación

Mercury 2nonevsQwen3 Coder NextmediumGrok 4.20nonevsGLM 4.7 FlashmediumMercury 2nonevsMiniMax M2.5mediumCobuddymediumvsMercury 2noneQwen3 Coder NextmediumvsGrok 4.20noneMercury 2nonevsGLM 4.7 FlashmediumMiniMax M2.5mediumvsGrok 4.20noneMercury 2nonevsMistral Small 4mediumMercury 2nonevsMiniMax M2.7mediumCobuddymediumvsGrok 4.20noneQwen3.5-9BmediumvsGrok 4.20noneMistral Small 4mediumvsGrok 4.20none