#44 Mercury 2
medium- लागत
- $0.002
- समय
- 2.1s
- टोकन
- 1,702 tok
AI BENCHY तुलना
Inception: Mercury 2 vs xAI: Grok 4.3
सारांश
Mercury 2 vs Grok 4.3 benchmark तुलना: Grok 4.3 average score में आगे है: 7.7 vs 7.5. Mercury 2 की benchmark लागत कम है: $0.058 vs $0.614. Mercury 2 तेज है: 2.24s vs 47.51s, pass rates 54.0% vs 71.4%.
अनुशंसित मॉडल: Mercury 2 - Its score stays close to the best score here (7.5 vs 7.7), while costing about 10.6x less than Grok 4.3.
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-06-18
| मेट्रिक | Mercury 2 Mercury 2 medium | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| स्कोर | 7.5 | 7.7 |
| रैंक | #44 | #37 |
| विश्वसनीयता | 10.0 | 10.0 |
| संगति | 8.8 | 8.5 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 54.0% | 71.4% |
| अस्थिर टेस्ट | 3 | 4 |
| कुल रन | 63 | 63 |
| प्रति परिणाम लागत | 0.578 | 4.724 |
| कुल लागत | $0.058 | $0.614 |
| इनपुट कीमत | $0.250 / 1M | $1.250 / 1M |
| आउटपुट कीमत | $0.750 / 1M | $2.500 / 1M |
| कुल इनपुट टोकन | 35,116 | 44,472 |
| आउटपुट टोकन | 4,048 | 1,981 |
| रीजनिंग टोकन | 61,219 | 221,382 |
| प्रतिक्रिया समय (औसत) | 2.24s | 47.51s |
| प्रतिक्रिया समय (अधिकतम) | 14.63s | 216.69s |
| प्रतिक्रिया समय (कुल) | 44.72s | 997.68s |
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#37 xAI: Grok 4.3
medium- लागत
- $0.009
- समय
- 19.0s
- टोकन
- 3,661 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
Step 3.7 FlashlowvsGrok 4.3mediumMercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsMercury 2mediumDeepSeek V4 ProhighvsGrok 4.3mediumMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGPT-5.3 ChatnonevsGrok 4.3mediumClaude Sonnet 4.6nonevsMercury 2mediumClaude Opus 4.8nonevsMercury 2mediumGemini 3 Flash PreviewlowvsGrok 4.3mediumDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsQwen3.7 Plusnone