नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: $0.040 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: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#270
एकूण आउटपुट टोकन्स
180,597
प्रतिसाद वेळ (सरासरी)
7.61s
एकूण खर्च
$0.040
क्रमांक
#276
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 25.3x 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
स्कोअर 6.5 6.5
क्रमांक #270 #276
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 $0.040 $0.989
इनपुट किंमत $0.040 / 1M $1.250 / 1M
आउटपुट किंमत $0.150 / 1M $2.500 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.200 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
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

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#270 Mercury 2.5 Preview

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

#276 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

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

तुलना जोडी बदला