#77 Mercury 2
medium- खर्च
- $0.002
- वेळ
- 2.1s
- टोकन्स
- 1,702 tok
Inception: Mercury 2 vs xAI: Grok 4.20
Grok 4.20 (medium) average score मध्ये पुढे आहे: 7.1 vs 7.0. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.093 vs $0.777. Mercury 2 (medium) वेगवान आहे: 2.72s vs 29.47s, pass rates 51.5% vs 63.6%.
शिफारस केलेले मॉडेलMercury 2 (medium)Its score stays close to the best score here (7.0 vs 7.1), while costing about 8.4x less than Grok 4.20 (medium).
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-18
| मेट्रिक | Mercury 2 Mercury 2 medium | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| स्कोअर | 7.0 | 7.1 |
| क्रमांक | #77 | #74 |
| विश्वसनीयता | 10.0 | 10.0 |
| सुसंगतता | 8.8 | 8.5 |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 51.5% | 63.6% |
| अस्थिर चाचण्या | 3 | 4 |
| एकूण रन | 66 | 66 |
| प्रति निकाल खर्च | 0.928 | 9.709 |
| एकूण खर्च | $0.093 | $0.777 |
| इनपुट किंमत | $0.250 / 1M | $1.250 / 1M |
| आउटपुट किंमत | $0.750 / 1M | $2.500 / 1M |
| एकूण इनपुट टोकन्स | 109,572 | 102,791 |
| आउटपुट टोकन्स | 10,313 | 5,363 |
| रिझनिंग टोकन्स | 76,806 | 253,977 |
| प्रतिसाद वेळ (सरासरी) | 2.72s | 29.47s |
| प्रतिसाद वेळ (कमाल) | 14.63s | 199.66s |
| प्रतिसाद वेळ (एकूण) | 57.12s | 648.35s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#74 xAI: Grok 4.20
medium- खर्च
- $0.041
- वेळ
- 110.3s
- टोकन्स
- 16,336 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
झटपट तुलना
तुलना जोडी बदला
Gemini 3.5 FlashnonevsMercury 2mediumQwen3.7 PlusnonevsGrok 4.20mediumDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsGPT-5.6 SolnoneKAT-Coder-Pro V2.5highvsGrok 4.20mediumGemini 3.5 FlashnonevsGrok 4.20mediumMercury 2mediumvsStep 3.7 FlashhighStep 3.7 FlashlowvsGrok 4.20mediumMercury 2mediumvsGPT-5.5noneClaude Opus 4.8nonevsGrok 4.20mediumMercury 2mediumvsQwen3.7 PlusnoneGemini 3.5 FlashminimalvsMercury 2medium