Навигация
AI BENCHY
Your ad here

AI BENCHY Compare

Inception: Mercury 2 vs xAI: Grok 4.20 Multi-Agent Beta

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-03-12

Метрика Mercury 2 Mercury 2 none Релиз: 2026-02-24 Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Релиз: 2026-03-12
Ранг #61 #47
Средний балл 3.4 4.9
Стабильность 9.0 7.1
Стоимость за результат 0.153 97.178
Общая стоимость $0.007 $4.859
Тестов верно
Доля успешных попыток 31.3% 52.1%
Нестабильные тесты 2 6
Всего запусков 48 48
Выходные токены 1,303 293,634
Токены рассуждений 0 291,260
Время ответа (среднее) 596ms 9.08s
Время ответа (макс.) 1.27s 35.28s
Время ответа (суммарно) 9.54s 127.09s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Средний балл vs Время ответа (среднее)

Общее число выходных токенов

Средний балл vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 10.0 10.0 0.0% 0 466ms 274 0
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
Комбинированный Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 10.0 10.0 0.0% 0 606ms 131 0
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
Парсинг и извлечение данных Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 5.5 5.9 83.3% 1 667ms 180 0
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 4.0 7.2 44.4% 1 534ms 46 0
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
Общий интеллект Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 4.0 10.0 0.0% 0 628ms 159 0
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
Следование инструкциям Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 5.5 10.0 50.0% 0 551ms 82 0
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 10.0 10.0 0.0% 0 533ms 234 0
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
Вызов инструментов Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
Mercury 2 10.0 10.0 100.0% 0 1.27s 197 0
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0

Быстрое сравнение

Сменить пару сравнения

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumMercury 2nonevsQwen3 Coder NextmediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumMercury 2nonevsGLM 4.7 FlashmediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumTrinity Large PreviewnoneБесплатно доступноvsGrok 4.20 Multi-Agent Betamedium