Mercury 2.5 Preview (high) vs Grok 4.3 (medium)

average score जवळपास समान आहे: 6.5 vs 6.5. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.039 vs $0.989. Mercury 2.5 Preview (high) वेगवान आहे: 7.61s vs 44.53s, pass rates 65.2% vs 63.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #194
एकूण आउटपुट टोकन्स: 180,597
प्रतिसाद वेळ (सरासरी): 7.61s
एकूण खर्च: $0.039

क्रमांक: #199
एकूण आउटपुट टोकन्स: 232,542
प्रतिसाद वेळ (सरासरी): 44.53s
एकूण खर्च: $0.989

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.5), while costing about 25.9x less than Grok 4.3 (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Grok 4.3 Grok 4.3 medium प्रकाशन: 2026-05-01

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Grok 4.3 Grok 4.3 medium प्रकाशन: 2026-05-01
स्कोअर	6.5	6.5
क्रमांक	#194	#199
विश्वसनीयता	9.9	10.0
सुसंगतता	8.0	8.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	65.2%	63.8%
अस्थिर चाचण्या	6	5
एकूण रन	69	69
प्रति निकाल खर्च	0.319	8.235
एकूण खर्च	$0.039	$0.989
इनपुट किंमत	$0.000 / 1M	$1.250 / 1M
आउटपुट किंमत	$0.000 / 1M	$2.500 / 1M
एकूण इनपुट टोकन्स	298,512	325,471
आउटपुट टोकन्स	3,178	14,867
रिझनिंग टोकन्स	177,419	217,675
प्रतिसाद वेळ (सरासरी)	7.61s	44.53s
प्रतिसाद वेळ (कमाल)	86.84s	216.69s
प्रतिसाद वेळ (एकूण)	175.08s	1024.25s
पॅरामीटर्स	~100B	~1.5T एकूण (~150B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#194 Mercury 2.5 Preview

high

खर्च: $0.001
वेळ: 4.5s
टोकन्स: 3,851 tok

#199 SpaceXAI: Grok 4.3

medium

खर्च: $0.009
वेळ: 19.0s
टोकन्स: 3,661 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	6.1	3.1	66.7%	1		86.84s	182,753	616	16,476
Grok 4.3	3.9	9.6	0.0%	0		51.61s	185,227	1,128	5,510

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	6.7	7.8	55.6%	1		6.13s	7,751	485	42,569
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.8	1.6	50.0%	2		14.36s	95,789	765	54,789
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.24s	8,292	560	8,522
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	2.9	4.4	22.2%	2		5.68s	857	67	25,958
Grok 4.3	3.5	4.4	33.3%	2		158.01s	1,977	14	95,783

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	5.1	10.0	0.0%	0		1.88s	542	94	3,300
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.05s	741	94	3,777
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.21s	774	292	6,066
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.25s	0	0	0
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.0	10.0	0.0%	0		5.41s	228	24	8,954
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

झटपट तुलना

तुलना जोडी बदला

KAT-Coder-Pro V2.5highvsGrok 4.3medium Grok 4.3mediumvsGLM 5.1none Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Qwen3.5-122B-A10BnonevsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.3low Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Grok 4.3mediumvsGLM 5.3low Gemini 3 Flash PreviewnonevsGrok 4.3medium Mercury 2.5highvsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.1none Mercury 2.5 PreviewhighvsLaguna XS 2.1mediumमोफत उपलब्ध Mercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low