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

Ringkasan

Perbandingan benchmark Mercury 2 vs Grok 4.20: Mercury 2 unggul dalam skor rata-rata dengan 4.6 vs 4.4. Mercury 2 memiliki biaya benchmark lebih rendah di $0.011 vs $0.057. Mercury 2 lebih cepat di 653ms vs 1.11s, dengan tingkat keberhasilan 23.8% vs 28.6%.

Model yang direkomendasikan: Mercury 2 - It has the best score here (4.6), while costing about 5.5x less than Grok 4.20.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik Mercury 2 Mercury 2 none Rilis: 2026-02-24 Grok 4.20 Grok 4.20 none Rilis: 2026-03-31
Skor 4.6 4.4
Peringkat #151 #155
Keandalan 10.0 T/A
Konsistensi 9.2 8.5
Tes benar
Tingkat lulus per percobaan 23.8% 28.6%
Tes tidak stabil 2 0
Total Run 63 54
Biaya per hasil 0.259 1.570
Total Biaya $0.011 $0.057
Harga input $0.250 / 1M $1.250 / 1M
Harga output $0.750 / 1M $2.500 / 1M
Total token input 28,113 41,313
Token output 4,439 1,923
Token penalaran 0 0
Waktu respons (rata-rata) 653ms 1.11s
Waktu respons (maks) 1.43s 6.04s
Waktu respons (total) 13.72s 19.96s

Showcase generasi

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#151 Mercury 2

none
Biaya
$0.002
Waktu
1.8s
Token
1,514 tok

#155 xAI: Grok 4.20

none
Biaya
$0.004
Waktu
6.5s
Token
1,367 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor 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 input Token output Token penalaran
Mercury 2 3.0 10.0 0.0% 0 483ms 631 286 0
Grok 4.20 4.8 10.0 25.0% 0 501ms 1,986 267 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
Grok 4.20 1.1 3.1 0.0% 0 1.22s 1,074 312 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 3.0 10.0 0.0% 0 606ms 4,821 131 0
Grok 4.20 3.0 10.0 0.0% 0 6.04s 17,673 282 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 7.3 5.9 83.3% 1 667ms 6,362 180 0
Grok 4.20 10.0 10.0 100.0% 0 522ms 7,749 207 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 5.3 7.2 44.4% 1 534ms 784 46 0
Grok 4.20 3.0 10.0 0.0% 0 687ms 1,746 325 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 4.8 10.0 0.0% 0 628ms 495 159 0
Grok 4.20 4.8 10.0 0.0% 0 659ms 819 83 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 6.5 10.0 50.0% 0 551ms 691 82 0
Grok 4.20 6.3 10.0 50.0% 0 445ms 1,350 60 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 3.1 10.0 0.0% 0 535ms 694 251 0
Grok 4.20 5.3 10.0 33.3% 0 473ms 1,671 198 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 1.27s 6,193 197 0
Grok 4.20 10.0 10.0 100.0% 0 4.63s 7,245 189 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 3.0 10.0 0.0% 0 548ms 213 19 0
Grok 4.20 0.0 0.0 0.0% 0 0ms 0 0 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Mercury 2nonevsQwen3 Coder NextmediumGrok 4.20nonevsGLM 4.7 FlashmediumMercury 2nonevsMiniMax M2.5mediumCobuddymediumvsMercury 2noneQwen3 Coder NextmediumvsGrok 4.20noneMercury 2nonevsGLM 4.7 FlashmediumMiniMax M2.5mediumvsGrok 4.20noneMercury 2nonevsMistral Small 4mediumMercury 2nonevsMiniMax M2.7mediumCobuddymediumvsGrok 4.20noneQwen3.5-9BmediumvsGrok 4.20noneMistral Small 4mediumvsGrok 4.20none