AI BENCHY Compare
Inception: Mercury 2 vs xAI: Grok 4.1 Fast
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-05
| Metrică | Inception: Mercury 2 none Lansare: 2026-02-24 | xAI: Grok 4.1 Fast none Lansare: 2025-11-19 |
|---|---|---|
| Rang | #50 | #53 |
| Scor mediu | 34 | 29 |
| Consistență | 89 | 89 |
| Cost per rezultat | 0.147 | 0.239 |
| Cost total | $0.006 | $0.008 |
| Teste corecte | ||
| Rată de trecere pe încercare | 33.3% | 26.7% |
| Teste instabile | 2 | 2 |
| Tokenuri de ieșire | 1,144 | 1,036 |
| Tokenuri de raționament | 0 | 0 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 274 | 0 | |
| xAI: Grok 4.1 Fast | 13 | 100 | 0.0% | 0 | 229 | 0 |
| Combinat | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 131 | 0 | |
| xAI: Grok 4.1 Fast | 100 | 100 | 0.0% | 0 | 105 | 0 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 180 | 0 | |
| xAI: Grok 4.1 Fast | 99 | 100 | 100.0% | 0 | 180 | 0 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 40 | 72 | 44.4% | 1 | 46 | 0 | |
| xAI: Grok 4.1 Fast | 40 | 72 | 55.6% | 1 | 15 | 0 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 82 | 0 | |
| xAI: Grok 4.1 Fast | 100 | 100 | 0.0% | 0 | 56 | 0 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 234 | 0 | |
| xAI: Grok 4.1 Fast | 13 | 100 | 0.0% | 0 | 243 | 0 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 197 | 0 | |
| xAI: Grok 4.1 Fast | 100 | 16 | 33.3% | 1 | 208 | 0 |
Comparație rapidă
Schimbă perechea de comparație
Mercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumGrok 4.1 FastnonevsGLM 4.7 FlashmediumQwen3 Coder NextmediumvsGrok 4.1 FastnoneMercury 2nonevsMiniMax M2.5mediumMercury 2nonevsgpt-oss-120bmediumDisponibil gratuitMiniMax M2.5mediumvsGrok 4.1 FastnoneMercury 2nonevsGPT-5 Nanomediumgpt-oss-120bmediumDisponibil gratuitvsGrok 4.1 FastnoneMercury 2nonevsQwen3.5-35B-A3BmediumMercury 2mediumvsGrok 4.1 FastnoneMercury 2nonevsGPT-5 Minimedium