AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok Build 0.1

Сводка

Сравнение benchmark Mercury 2 vs Grok Build 0.1: Средний балл практически равен: 7.5 vs 7.6. Mercury 2 имеет более низкую стоимость benchmark: $0.058 vs $0.927. Mercury 2 быстрее: 2.24s vs 49.90s, с долей успешных попыток 54.0% vs 61.9%.

Рекомендуемая модель: Mercury 2 - Здесь у него лучший балл (7.5), при этом он примерно в 16.0 раза дешевле, чем Grok Build 0.1.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Grok Build 0.1 Grok Build 0.1 medium Релиз: 2026-05-21

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Grok Build 0.1 Grok Build 0.1 medium Релиз: 2026-05-21
Оценка	7.5	7.6
Ранг	#44	#42
Надежность	10.0	10.0
Стабильность	8.8	9.9
Тестов верно
Доля успешных попыток	54.0%	61.9%
Нестабильные тесты	3	0
Всего запусков	63	63
Стоимость за результат	0.578	7.124
Общая стоимость	$0.058	$0.927
Цена входа	$0.250 / 1M	$1.000 / 1M
Цена выхода	$0.750 / 1M	$2.000 / 1M
Общее число входных токенов	35,116	44,418
Выходные токены	4,048	2,782
Токены рассуждений	61,219	438,018
Время ответа (среднее)	2.24s	49.90s
Время ответа (макс.)	14.63s	252.69s
Время ответа (суммарно)	44.72s	1047.92s

Генерация showcase

Hamster playing table tennis

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

#44 Mercury 2

medium

Стоимость: $0.002
Время: 2.1s
Токены: 1,702 tok

#42 xAI: Grok Build 0.1

medium

Стоимость: $0.028
Время: 81.3s
Токены: 14,009 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

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 ProhighvsGrok Build 0.1medium Mercury 2mediumvsGPT-5.3 Chatnone DeepSeek V4 ProhighvsMercury 2medium GPT-5.3 ChatnonevsGrok Build 0.1medium Step 3.7 FlashlowvsGrok Build 0.1medium Mercury 2mediumvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsMercury 2medium Gemini 3 Flash PreviewlowvsGrok Build 0.1medium Claude Sonnet 4.6nonevsMercury 2medium Claude Sonnet 4.6nonevsGrok Build 0.1medium Claude Opus 4.8nonevsMercury 2medium Claude Opus 4.8nonevsGrok Build 0.1medium