#77 Mercury 2
medium- लागत
- $0.002
- समय
- 2.1s
- टोकन
- 1,702 tok
Inception: Mercury 2 vs xAI: Grok 4.20
Grok 4.20 (medium) average score में आगे है: 7.1 vs 7.0. Mercury 2 (medium) की benchmark लागत कम है: $0.093 vs $0.777. Mercury 2 (medium) तेज है: 2.72s vs 29.47s, pass rates 51.5% vs 63.6%.
अनुशंसित मॉडलMercury 2 (medium)Its score stays close to the best score here (7.0 vs 7.1), while costing about 8.4x less than Grok 4.20 (medium).
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-18
| मेट्रिक | Mercury 2 Mercury 2 medium | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| स्कोर | 7.0 | 7.1 |
| रैंक | #77 | #74 |
| विश्वसनीयता | 10.0 | 10.0 |
| संगति | 8.8 | 8.5 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 51.5% | 63.6% |
| अस्थिर टेस्ट | 3 | 4 |
| कुल रन | 66 | 66 |
| प्रति परिणाम लागत | 0.928 | 9.709 |
| कुल लागत | $0.093 | $0.777 |
| इनपुट कीमत | $0.250 / 1M | $1.250 / 1M |
| आउटपुट कीमत | $0.750 / 1M | $2.500 / 1M |
| कुल इनपुट टोकन | 109,572 | 102,791 |
| आउटपुट टोकन | 10,313 | 5,363 |
| रीजनिंग टोकन | 76,806 | 253,977 |
| प्रतिक्रिया समय (औसत) | 2.72s | 29.47s |
| प्रतिक्रिया समय (अधिकतम) | 14.63s | 199.66s |
| प्रतिक्रिया समय (कुल) | 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- लागत
- $0.041
- समय
- 110.3s
- टोकन
- 16,336 tok
स्कोर के अनुसार शीर्ष मॉडल
स्कोर बनाम कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
श्रेणी विवरण
त्वरित तुलना
तुलना जोड़ी बदलें
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