Navigasi
AI BENCHY
Your ad here

AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok 4.20 Beta

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-12

Metrik Mercury 2 Mercury 2 medium Rilis: 2026-02-24 Grok 4.20 Beta Grok 4.20 Beta none Rilis: 2026-03-12
Peringkat #40 #52
Skor Rata-rata 5.3 4.4
Konsistensi 8.4 9.1
Biaya per hasil 0.631 2.214
Total Biaya $0.045 $0.089
Tes benar
Tingkat lulus per percobaan 54.2% 33.3%
Tes tidak stabil 3 2
Total Run 48 48
Token output 3,708 1,511
Token penalaran 45,921 0
Waktu respons (rata-rata) 2.36s 1.22s
Waktu respons (maks) 14.63s 6.48s
Waktu respons (total) 35.39s 19.53s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor Rata-rata vs Waktu respons (rata-rata)

Total token output

Skor Rata-rata vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 7.3 9.8 66.7% 0 1.30s 2,531 2,410
Grok 4.20 Beta 3.3 7.9 22.2% 1 562ms 245 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 3.28s 268 4,887
Grok 4.20 Beta 10.0 10.0 0.0% 0 6.48s 282 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 5.5 5.9 83.3% 1 1.11s 183 1,656
Grok 4.20 Beta 9.9 10.0 100.0% 0 601ms 197 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 10.0 7.2 11.1% 1 6.48s 41 30,754
Grok 4.20 Beta 10.0 10.0 0.0% 0 611ms 160 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 4.0 10.0 0.0% 0 821ms 137 542
Grok 4.20 Beta 5.0 10.0 0.0% 0 541ms 87 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 1.07s 14 958
Grok 4.20 Beta 4.5 10.0 0.0% 0 687ms 60 0
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 1.7 7.5 22.2% 1 934ms 354 2,758
Grok 4.20 Beta 4.0 7.2 55.6% 1 541ms 291 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 1.89s 180 1,956
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.79s 189 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Mercury 2mediumvsQwen3.5-FlashnoneGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumMiniMax M2.5mediumvsGrok 4.20 BetanoneMercury 2mediumvsQwen3.5-122B-A10BnoneSeed-2.0-LitenonevsMercury 2mediumMercury 2mediumvsQwen3.5-27BnoneMercury 2mediumvsQwen3.5-35B-A3Bnonegpt-oss-120bmediumTersedia gratisvsGrok 4.20 BetanoneMercury 2mediumvsGLM 5noneMercury 2mediumvsHunter AlphanoneMercury 2mediumvsGPT-5.4none