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

Mercury 2 (medium) vs Grok 4.7 (high)

Grok 4.7 (high) average score मध्ये पुढे आहे: 6.7 vs 6.6. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.121 vs $3.037. Mercury 2 (medium) वेगवान आहे: 4.40s vs 122.19s, pass rates 53.6% vs 72.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-26

तुलना केलेली मॉडेल्स

क्रमांक
#232
एकूण आउटपुट टोकन्स
96,943
प्रतिसाद वेळ (सरासरी)
4.40s
एकूण खर्च
$0.121
क्रमांक
#221
एकूण आउटपुट टोकन्स
487,184
प्रतिसाद वेळ (सरासरी)
122.19s
एकूण खर्च
$3.037
शिफारस केलेले मॉडेल Mercury 2 (medium)

Its score stays close to the best score here (6.6 vs 6.7), while costing about 25.3x less than Grok 4.7 (high).

तपशीलवार तुलना

मेट्रिक Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24 Grok 4.7 Grok 4.7 high प्रकाशन: 2026-09-21
स्कोअर 6.6 6.7
क्रमांक #232 #221
विश्वसनीयता 10.0 9.6
सुसंगतता 8.1 7.7
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 53.6% 72.5%
अस्थिर चाचण्या 5 7
एकूण रन 69 69
प्रति निकाल खर्च 1.201 23.360
एकूण खर्च $0.121 $3.037
इनपुट किंमत $0.250 / 1M $2.000 / 1M
आउटपुट किंमत $0.750 / 1M $6.000 / 1M
कॅश वाचण्याची किंमत $0.025 / 1M $0.500 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 189,300 329,276
आउटपुट टोकन्स 10,854 8,172
रिझनिंग टोकन्स 86,089 479,012
प्रतिसाद वेळ (सरासरी) 4.40s 122.19s
प्रतिसाद वेळ (कमाल) 34.92s 573.57s
प्रतिसाद वेळ (एकूण) 96.81s 2810.40s
पॅरामीटर्स ~100B ~1.7T एकूण (~170B 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.

#232 Mercury 2

medium
खर्च
$0.002
वेळ
2.1s
टोकन्स
1,702 tok

#221 SpaceXAI: Grok 4.7

high
खर्च
$0.110
वेळ
301.3s
टोकन्स
23,143 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 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
Grok 4.7 6.0 4.6 66.7% 2 335.92s 10,266 353 199,976

तुलना जोडी बदला