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

AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok 4.1 Fast

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-16

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 Grok 4.1 Fast Grok 4.1 Fast medium Lansare: 2025-11-19
Scor 6.5 6.7
Rang #53 #51
Consistență 8.6 7.2
Teste corecte
Rată de trecere pe încercare 53.7% 64.8%
Teste instabile 3 6
Rulări totale 54 54
Cost per rezultat 0.580 0.613
Cost total $0.047 $0.056
Preț de intrare $0.250 / 1M $0.200 / 1M
Preț de ieșire $0.750 / 1M $0.500 / 1M
Tokenuri de ieșire 3,972 2,010
Tokenuri de raționament 48,333 91,298
Timp de răspuns (mediu) 2.21s 23.88s
Timp de răspuns (maxim) 14.63s 121.79s
Timp de răspuns (total) 37.51s 262.66s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 6.9 9.9 50.0% 0 1.12s 2,546 2,609
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.53s 249 2,213
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 3.28s 268 4,887
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 7.3 5.9 83.3% 1 1.11s 183 1,656
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 2.9 7.2 11.1% 1 6.48s 41 30,754
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 4.8 10.0 0.0% 0 821ms 137 542
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.07s 14 958
Grok 4.1 Fast 6.6 10.0 50.0% 0 5.30s 55 3,489
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.9 7.5 22.2% 1 934ms 354 2,758
Grok 4.1 Fast 5.3 7.2 44.4% 1 8.08s 187 6,086
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.89s 180 1,956
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485

Comparație rapidă

Schimbă perechea de comparație