Inception: Mercury 2 vs xAI: Grok 4.20

Grok 4.20 (medium) conduce la scorul mediu cu 7.1 vs 7.0. Mercury 2 (medium) are costul de benchmark mai mic, $0.093 vs $0.777. Mercury 2 (medium) este mai rapid cu 2.72s vs 29.47s, cu rate de reușită de 51.5% vs 63.6%.

Model recomandatMercury 2 (medium)Scorul rămâne aproape de cel mai bun scor de aici (7.0 vs 7.1) și costă de aproximativ 8.4x mai puțin decât Grok 4.20 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-18

Metrică	Mercury 2 Mercury 2 medium Lansare: 2026-02-24	Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31

Metrică	Mercury 2 Mercury 2 medium Lansare: 2026-02-24	Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor	7.0	7.1
Rang	#77	#74
Fiabilitate	10.0	10.0
Consistență	8.8	8.5
Teste corecte
Rată de trecere pe încercare	51.5%	63.6%
Teste instabile	3	4
Rulări totale	66	66
Cost per rezultat	0.928	9.709
Cost total	$0.093	$0.777
Preț de intrare	$0.250 / 1M	$1.250 / 1M
Preț de ieșire	$0.750 / 1M	$2.500 / 1M
Total tokenuri de intrare	109,572	102,791
Tokenuri de ieșire	10,313	5,363
Tokenuri de raționament	76,806	253,977
Timp de răspuns (mediu)	2.72s	29.47s
Timp de răspuns (maxim)	14.63s	199.66s
Timp de răspuns (total)	57.12s	648.35s

Hamster playing table tennis

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

#77 Mercury 2

medium

Cost: $0.002
Timp: 2.1s
Tokenuri: 1,702 tok

#74 xAI: Grok 4.20

medium

Cost: $0.041
Timp: 110.3s
Tokenuri: 16,336 tok

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

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Grok 4.20	5.3	10.0	33.3%	0		27.03s	1,764	375	49,339

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGrok 4.20medium DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone KAT-Coder-Pro V2.5highvsGrok 4.20medium Gemini 3.5 FlashnonevsGrok 4.20medium Mercury 2mediumvsStep 3.7 Flashhigh Step 3.7 FlashlowvsGrok 4.20medium Mercury 2mediumvsGPT-5.5none Claude Opus 4.8nonevsGrok 4.20medium Mercury 2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsMercury 2medium