Inception: Mercury 2 vs Poolside: Laguna S 2.1

يتقدم Laguna S 2.1 (low) في متوسط النتيجة بـ 5.0 مقابل 4.6. لدى Mercury 2 تكلفة benchmark أقل عند $0.030 مقابل $0.091. Mercury 2 أسرع عند 829ms مقابل 85.35s، مع معدلات نجاح 22.7% مقابل 25.8%.

النموذج الموصى بهMercury 2Its score stays close to the best score here (4.6 vs 5.0), while costing about 3.1x less than Laguna S 2.1 (low).

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-07-22

المقياس	Mercury 2 Mercury 2 none الإصدار: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low الإصدار: 2026-07-21 متاح مجانًا

المقياس	Mercury 2 Mercury 2 none الإصدار: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low الإصدار: 2026-07-21 متاح مجانًا
النتيجة	4.6	5.0
الترتيب	#198	#181
الموثوقية	10.0	9.9
الاتساق	9.2	7.8
اختبارات صحيحة
معدل النجاح لكل محاولة	22.7%	25.8%
اختبارات غير مستقرة	2	6
إجمالي مرات التشغيل	66	66
التكلفة لكل نتيجة	0.734	3.022
إجمالي التكلفة	$0.030	$0.091
سعر الإدخال	$0.250 / 1M	$0.100 / 1M
سعر الإخراج	$0.750 / 1M	$0.200 / 1M
إجمالي رموز الإدخال	88,704	118,746
رموز الإخراج	9,564	67,823
رموز الاستدلال	0	383,885
زمن الاستجابة (المتوسط)	829ms	85.35s
زمن الاستجابة (الحد الأقصى)	4.52s	814.73s
زمن الاستجابة (الإجمالي)	18.24s	1877.64s

Hamster playing table tennis

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

#198 Mercury 2

none

التكلفة: $0.002
الوقت: 1.8s
الرموز: 1,514 tok

#181 Laguna S 2.1

low

التكلفة: $0.001
الوقت: 6.6s
الرموز: 1,314 tok

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

النتيجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

النتيجة vs إجمالي رموز الإخراج

تفصيل الفئات

الفئة:

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	3.0	10.0	0.0%	0		483ms	631	286	0
Laguna S 2.1	3.4	5.8	25.0%	2		80.66s	616	311	43,722

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	3.4	9.6	0.0%	0		1.03s	7,229	3,088	0
Laguna S 2.1	3.8	7.1	22.2%	1		167.51s	7,917	58,111	119,138

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	3.0	10.0	0.0%	0		2.56s	65,412	5,256	0
Laguna S 2.1	3.2	5.2	16.7%	1		412.50s	92,870	8,211	174,584

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	7.3	5.9	83.3%	1		667ms	6,362	180	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.76s	7,689	243	1,981

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	5.3	7.2	44.4%	1		534ms	784	46	0
Laguna S 2.1	3.0	10.0	0.0%	0		2.51s	765	24	2,606

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	4.8	10.0	0.0%	0		628ms	495	159	0
Laguna S 2.1	4.8	10.0	0.0%	0		650ms	513	120	0

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	6.5	10.0	50.0%	0		551ms	691	82	0
Laguna S 2.1	4.3	6.8	16.7%	1		423ms	702	60	0

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	3.1	10.0	0.0%	0		535ms	694	251	0
Laguna S 2.1	3.1	7.3	11.1%	1		2.70s	699	447	1,444

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	10.0	10.0	100.0%	0		1.27s	6,193	197	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.36s	6,747	286	417

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Mercury 2	3.0	10.0	0.0%	0		548ms	213	19	0
Laguna S 2.1	3.0	10.0	0.0%	0		202.49s	228	10	39,993

مقارنة سريعة

تبديل زوج المقارنة