Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok Build 0.1

Rezumat

Comparație benchmark Mercury 2 vs Grok Build 0.1: Scorul mediu este practic egal la 7.5 vs 7.6. Mercury 2 are costul de benchmark mai mic, $0.058 vs $0.927. Mercury 2 este mai rapid cu 2.24s vs 49.90s, cu rate de reușită de 54.0% vs 61.9%.

Model recomandat: Mercury 2 - Are cel mai bun scor aici (7.5) și costă de aproximativ 16.0x mai puțin decât Grok Build 0.1.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor 7.5 7.6
Rang #44 #42
Fiabilitate 10.0 10.0
Consistență 8.8 9.9
Teste corecte
Rată de trecere pe încercare 54.0% 61.9%
Teste instabile 3 0
Rulări totale 63 63
Cost per rezultat 0.578 7.124
Cost total $0.058 $0.927
Preț de intrare $0.250 / 1M $1.000 / 1M
Preț de ieșire $0.750 / 1M $2.000 / 1M
Total tokenuri de intrare 35,116 44,418
Tokenuri de ieșire 4,048 2,782
Tokenuri de raționament 61,219 438,018
Timp de răspuns (mediu) 2.24s 49.90s
Timp de răspuns (maxim) 14.63s 252.69s
Timp de răspuns (total) 44.72s 1047.92s

Prezentare generare

Hamster playing table tennis

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

#44 Mercury 2

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

#42 xAI: Grok Build 0.1

medium
Cost
$0.028
Timp
81.3s
Tokenuri
14,009 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

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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 ProhighvsGrok Build 0.1mediumMercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsMercury 2mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsMercury 2mediumClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Opus 4.8nonevsMercury 2mediumClaude Opus 4.8nonevsGrok Build 0.1medium