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 (medium) vs Grok Build 0.1 (medium)

Mercury 2.5 Preview (medium) average score मध्ये पुढे आहे: 6.8 vs 6.7. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $1.419. Mercury 2.5 Preview (medium) वेगवान आहे: 6.66s vs 55.13s, pass rates 66.7% vs 58.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-16

तुलना केलेली मॉडेल्स

क्रमांक
#199
एकूण आउटपुट टोकन्स
150,107
प्रतिसाद वेळ (सरासरी)
6.66s
एकूण खर्च
$0.039
क्रमांक
#204
एकूण आउटपुट टोकन्स
529,806
प्रतिसाद वेळ (सरासरी)
55.13s
एकूण खर्च
$1.419
शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 36.9x less than Grok Build 0.1 (medium).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02 Grok Build 0.1 Grok Build 0.1 medium प्रकाशन: 2026-05-21
स्कोअर 6.8 6.7
क्रमांक #199 #204
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 9.6
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 66.7% 58.0%
अस्थिर चाचण्या 1 1
एकूण रन 69 69
प्रति निकाल खर्च 0.244 10.910
एकूण खर्च $0.039 $1.419
इनपुट किंमत $0.040 / 1M $1.000 / 1M
आउटपुट किंमत $0.150 / 1M $2.000 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.200 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 397,291 358,616
आउटपुट टोकन्स 6,355 9,651
रिझनिंग टोकन्स 143,752 520,155
प्रतिसाद वेळ (सरासरी) 6.66s 55.13s
प्रतिसाद वेळ (कमाल) 74.63s 252.69s
प्रतिसाद वेळ (एकूण) 153.29s 1268.10s
पॅरामीटर्स ~100B ~300B एकूण (~30B 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.

#199 Mercury 2.5 Preview

medium
खर्च
$0.001
वेळ
2.7s
टोकन्स
2,241 tok

#204 SpaceXAI: Grok Build 0.1

medium
खर्च
$0.028
वेळ
81.3s
टोकन्स
14,009 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 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452

झटपट तुलना

तुलना जोडी बदला

Mercury 2.5 PreviewmediumvsInklinglowमोफत उपलब्धSolar Pro 4xhighvsGrok Build 0.1mediumMercury 2.5 PreviewmediumvsGPT-6 SolnoneQwen3.5-FlashnonevsGrok Build 0.1mediumSolar Pro 4lowvsGrok Build 0.1mediumSpace Bunny AlphamaxvsGrok Build 0.1mediumClaude Opus 4.8nonevsMercury 2.5 PreviewmediumClaude Sonnet 5.5lowvsMercury 2.5 PreviewmediumEmber-1maxvsGrok Build 0.1mediumGPT 5.3 ChatdefaultvsGrok Build 0.1mediumGPT-5.6 SolnonevsGrok Build 0.1mediumMercury 2.5 PreviewmediumvsGPT-5.6 Lunalow