Mercury 2.5 Preview (high) vs Grok 4.3 (medium)

Средний балл практически равен: 6.5 vs 6.5. Mercury 2.5 Preview (high) имеет более низкую стоимость benchmark: $0.039 vs $0.989. Mercury 2.5 Preview (high) быстрее: 7.61s vs 44.53s, с долей успешных попыток 65.2% vs 63.8%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-01

Сравниваемые модели

Ранг: #194
Общее число выходных токенов: 180,597
Время ответа (среднее): 7.61s
Общая стоимость: $0.039

Ранг: #199
Общее число выходных токенов: 232,542
Время ответа (среднее): 44.53s
Общая стоимость: $0.989

Рекомендуемая модель Mercury 2.5 Preview (high)

Здесь у него лучший балл (6.5), при этом он примерно в 25.9 раза дешевле, чем Grok 4.3 (medium).

Подробное сравнение

Метрика	Mercury 2.5 Preview Mercury 2.5 Preview high Релиз: 2026-09-02	Grok 4.3 Grok 4.3 medium Релиз: 2026-05-01

Метрика	Mercury 2.5 Preview Mercury 2.5 Preview high Релиз: 2026-09-02	Grok 4.3 Grok 4.3 medium Релиз: 2026-05-01
Оценка	6.5	6.5
Ранг	#194	#199
Надежность	9.9	10.0
Стабильность	8.0	8.3
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	65.2%	63.8%
Нестабильные тесты	6	5
Всего запусков	69	69
Стоимость за результат	0.319	8.235
Общая стоимость	$0.039	$0.989
Цена входа	$0.000 / 1M	$1.250 / 1M
Цена выхода	$0.000 / 1M	$2.500 / 1M
Общее число входных токенов	298,512	325,471
Выходные токены	3,178	14,867
Токены рассуждений	177,419	217,675
Время ответа (среднее)	7.61s	44.53s
Время ответа (макс.)	86.84s	216.69s
Время ответа (суммарно)	175.08s	1024.25s
Параметры	~100B	~1.5T всего (~150B активных)
Доступность	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#194 Mercury 2.5 Preview

high

Стоимость: $0.001
Время: 4.5s
Токены: 3,851 tok

#199 SpaceXAI: Grok 4.3

medium

Стоимость: $0.009
Время: 19.0s
Токены: 3,661 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	6.1	3.1	66.7%	1		86.84s	182,753	616	16,476
Grok 4.3	3.9	9.6	0.0%	0		51.61s	185,227	1,128	5,510

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	6.7	7.8	55.6%	1		6.13s	7,751	485	42,569
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	3.8	1.6	50.0%	2		14.36s	95,789	765	54,789
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.24s	8,292	560	8,522
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	2.9	4.4	22.2%	2		5.68s	857	67	25,958
Grok 4.3	3.5	4.4	33.3%	2		158.01s	1,977	14	95,783

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	5.1	10.0	0.0%	0		1.88s	542	94	3,300
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.05s	741	94	3,777
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.21s	774	292	6,066
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.25s	0	0	0
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	3.0	10.0	0.0%	0		5.41s	228	24	8,954
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Быстрое сравнение

Сменить пару сравнения

KAT-Coder-Pro V2.5highvsGrok 4.3medium Grok 4.3mediumvsGLM 5.1none Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Qwen3.5-122B-A10BnonevsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.3low Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Grok 4.3mediumvsGLM 5.3low Gemini 3 Flash PreviewnonevsGrok 4.3medium Mercury 2.5highvsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.1none Mercury 2.5 PreviewhighvsLaguna XS 2.1mediumБесплатно доступно Mercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low