AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok Build 0.1

概要

Mercury 2 vs Grok Build 0.1 の benchmark 比較: 平均スコアは 7.5 vs 7.6 でほぼ同等です。 Mercury 2 の benchmark コストが低く、$0.058 vs $0.927 です。 Mercury 2 の方が高速で、2.24s vs 49.90s です、成功率は 54.0% vs 61.9% です。

おすすめモデル: Mercury 2 - ここでは最高スコア（7.5）で、Grok Build 0.1 より約 16.0 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-06-18

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	Grok Build 0.1 Grok Build 0.1 medium リリース: 2026-05-21

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	Grok Build 0.1 Grok Build 0.1 medium リリース: 2026-05-21
スコア	7.5	7.6
順位	#44	#42
信頼性	10.0	10.0
一貫性	8.8	9.9
正解テスト
試行ごとの合格率	54.0%	61.9%
不安定なテスト	3	0
総実行回数	63	63
結果あたりのコスト	0.578	7.124
合計コスト	$0.058	$0.927
入力価格	$0.250 / 1M	$1.000 / 1M
出力価格	$0.750 / 1M	$2.000 / 1M
合計入力トークン	35,116	44,418
出力トークン	4,048	2,782
推論トークン	61,219	438,018
応答時間（平均）	2.24s	49.90s
応答時間（最大）	14.63s	252.69s
応答時間（合計）	44.72s	1047.92s

生成ショーケース

Hamster playing table tennis

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

#44 Mercury 2

medium

コスト: $0.002
時間: 2.1s
トークン: 1,702 tok

#42 xAI: Grok Build 0.1

medium

コスト: $0.028
時間: 81.3s
トークン: 14,009 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	10.0	10.0	100.0%	0		3.28s	12,909	268	4,887
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

クイック比較

比較ペアを切り替え

DeepSeek V4 ProhighvsGrok Build 0.1medium Mercury 2mediumvsGPT-5.3 Chatnone DeepSeek V4 ProhighvsMercury 2medium GPT-5.3 ChatnonevsGrok Build 0.1medium Step 3.7 FlashlowvsGrok Build 0.1medium Mercury 2mediumvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsMercury 2medium Gemini 3 Flash PreviewlowvsGrok Build 0.1medium Claude Sonnet 4.6nonevsMercury 2medium Claude Sonnet 4.6nonevsGrok Build 0.1medium Claude Opus 4.8nonevsMercury 2medium Claude Opus 4.8nonevsGrok Build 0.1medium