Navigasi
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 Multi-Agent Beta

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

Metrik Mercury 2 Mercury 2 none Rilis: 2026-02-24 Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Rilis: 2026-03-12
Peringkat #61 #47
Skor Rata-rata 3.4 4.9
Konsistensi 9.0 7.1
Biaya per hasil 0.153 97.178
Total Biaya $0.007 $4.859
Tes benar
Tingkat lulus per percobaan 31.3% 52.1%
Tes tidak stabil 2 6
Total Run 48 48
Token output 1,303 293,634
Token penalaran 0 291,260
Waktu respons (rata-rata) 596ms 9.08s
Waktu respons (maks) 1.27s 35.28s
Waktu respons (total) 9.54s 127.09s

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 10.0 10.0 0.0% 0 466ms 274 0
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
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 0.0% 0 606ms 131 0
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 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 667ms 180 0
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 4.0 7.2 44.4% 1 534ms 46 0
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
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 628ms 159 0
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Mercury 2 5.5 10.0 50.0% 0 551ms 82 0
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving 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 0.0% 0 533ms 234 0
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
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 1.27s 197 0
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumMercury 2nonevsQwen3 Coder NextmediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumMercury 2nonevsGLM 4.7 FlashmediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumTrinity Large PreviewnoneTersedia gratisvsGrok 4.20 Multi-Agent Betamedium