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: 2026-05-01

Metrică Mercury 2 Mercury 2 none Lansare: 2026-02-24 Grok 4.1 Fast Grok 4.1 Fast none Lansare: 2025-11-19
Scor 4.8 4.5
Rang #125 #130
Fiabilitate N/D N/D
Consistență 9.0 8.7
Teste corecte
Rată de trecere pe încercare 27.8% 24.1%
Teste instabile 2 3
Rulări totale 54 54
Cost per rezultat 0.165 0.269
Cost total $0.007 $0.009
Preț de intrare $0.250 / 1M $0.200 / 1M
Preț de ieșire $0.750 / 1M $0.500 / 1M
Tokenuri de ieșire 1,625 1,721
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 613ms 1.76s
Timp de răspuns (maxim) 1.27s 5.51s
Timp de răspuns (total) 11.04s 19.35s

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 3.0 10.0 0.0% 0 483ms 286 0
Grok 4.1 Fast 3.2 10.0 0.0% 0 1.07s 235 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.6 8.9 0.0% 0 969ms 310 0
Grok 4.1 Fast 5.3 3.4 33.3% 1 1.79s 567 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.0 10.0 0.0% 0 606ms 131 0
Grok 4.1 Fast 3.0 10.0 0.0% 0 3.33s 105 0
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 667ms 180 0
Grok 4.1 Fast 10.0 10.0 100.0% 0 943ms 180 0
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 5.3 7.2 44.4% 1 534ms 46 0
Grok 4.1 Fast 5.9 7.2 55.6% 1 1.06s 15 0
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 628ms 159 0
Grok 4.1 Fast 4.4 9.9 0.0% 0 1.08s 112 0
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 6.5 10.0 50.0% 0 551ms 82 0
Grok 4.1 Fast 3.0 10.0 0.0% 0 923ms 56 0
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 3.1 10.0 0.0% 0 533ms 234 0
Grok 4.1 Fast 3.2 10.0 0.0% 0 1.28s 243 0
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 1.27s 197 0
Grok 4.1 Fast 2.8 1.6 33.3% 1 5.51s 208 0

Comparație rapidă

Schimbă perechea de comparație

Grok 4.1 FastnonevsGLM 4.7 FlashmediumMercury 2nonevsQwen3 Coder NextmediumQwen3.5-9BmediumvsGrok 4.1 FastnoneMercury 2nonevsGLM 4.7 FlashmediumQwen3 Coder NextmediumvsGrok 4.1 FastnoneMercury 2nonevsQwen3.5-9BmediumMercury 2nonevsNemotron 3 Nano Omni 30b A3b ReasoningmediumDisponibil gratuitMercury 2nonevsElephant AlphamediumMercury 2nonevsMiniMax M2.7mediumNemotron 3 Nano Omni 30b A3b ReasoningmediumDisponibil gratuitvsGrok 4.1 FastnoneElephant AlphamediumvsGrok 4.1 FastnoneMiniMax M2.7mediumvsGrok 4.1 Fastnone