AI BENCHY तुलना
Inception: Mercury 2 vs xAI: Grok 4.1 Fast
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | Inception: Mercury 2 none रिलीज़: 2026-02-24 | xAI: Grok 4.1 Fast medium रिलीज़: 2025-11-19 |
|---|---|---|
| रैंक | #50 | #28 |
| औसत स्कोर | 3.4 | 6.4 |
| सही परीक्षण | ||
| संगति | 8.9 | 7.8 |
| प्रति परिणाम लागत | 0.147 | 0.541 |
| कुल लागत | $0.006 | $0.049 |
| प्रति प्रयास पास दर | 33.3% | 71.1% |
| अस्थिर टेस्ट | 2 | 4 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन | 1,144 | 1,056 |
| रीजनिंग टोकन | 0 | 80,419 |
| प्रतिक्रिया समय (औसत) | 594ms | 27.61s |
| प्रतिक्रिया समय (अधिकतम) | 1.27s | 121.79s |
| प्रतिक्रिया समय (कुल) | 8.91s | 220.87s |
प्रतिक्रिया समय (औसत)
स्कोर बनाम कुल लागत
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 466ms | 274 | 0 | |
| xAI: Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 5.65s | 102 | 4,021 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 606ms | 131 | 0 | |
| xAI: Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 37.64s | 261 | 12,272 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 5.5 | 5.9 | 83.3% | 1 | 667ms | 180 | 0 | |
| xAI: Grok 4.1 Fast | 9.9 | 10.0 | 100.0% | 0 | 6.63s | 180 | 5,409 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 4.0 | 7.2 | 44.4% | 1 | 534ms | 46 | 0 | |
| xAI: Grok 4.1 Fast | 4.0 | 4.4 | 66.7% | 2 | 121.79s | 11 | 37,657 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 5.5 | 10.0 | 50.0% | 0 | 551ms | 82 | 0 | |
| xAI: Grok 4.1 Fast | 5.5 | 10.0 | 50.0% | 0 | 5.30s | 55 | 3,489 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 533ms | 234 | 0 | |
| xAI: Grok 4.1 Fast | 4.0 | 7.2 | 44.4% | 1 | 8.08s | 187 | 6,086 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 197 | 0 | |
| xAI: Grok 4.1 Fast | 10.0 | 1.6 | 33.3% | 1 | 27.71s | 260 | 11,485 |
त्वरित तुलना
तुलना जोड़ी बदलें
Qwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumClaude Sonnet 4.6nonevsGrok 4.1 FastmediumGemini 3 Flash PreviewnonevsGrok 4.1 FastmediumGrok 4.1 FastmediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGrok 4.1 FastmediumGPT-5.3 ChatnonevsGrok 4.1 FastmediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.1 FastmediumGemini 2.5 FlashnonevsGrok 4.1 FastmediumDeepSeek V3.2nonevsGrok 4.1 FastmediumGPT-5.2 ChatnonevsGrok 4.1 Fastmedium