নেভিগেশন
Advertise here

Mercury 2.5 Preview (medium) vs Qwen4 Max

Qwen4 Max average score-এ এগিয়ে: 7.0 vs 6.8. Mercury 2.5 Preview (medium)-এর benchmark খরচ কম: $0.039 vs $0.465. Qwen4 Max দ্রুত: 6.38s vs 6.66s, pass rates 66.7% vs 63.8%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-11-16

তুলনা করা মডেল

র‍্যাঙ্ক
#248
মোট আউটপুট টোকেন
150,107
প্রতিক্রিয়া সময় (গড়)
6.66s
মোট খরচ
$0.039
র‍্যাঙ্ক
#230
মোট আউটপুট টোকেন
9,342
প্রতিক্রিয়া সময় (গড়)
6.38s
মোট খরচ
$0.465
প্রস্তাবিত মডেল Mercury 2.5 Preview (medium)

Its score stays close to the best score here (6.8 vs 7.0), while costing about 12.1x less than Qwen4 Max.

বিস্তারিত তুলনা

মেট্রিক Mercury 2.5 Preview Mercury 2.5 Preview medium প্রকাশ: 2026-09-02 Qwen4 Max Qwen4 Max none প্রকাশ: 2026-11-16
স্কোর 6.8 7.0
র‍্যাঙ্ক #248 #230
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.6 9.6
প্রচেষ্টা 69/69 69/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 66.7% 63.8%
অস্থির টেস্ট 1 1
মোট রান 69 69
প্রতি ফলাফলে খরচ 0.244 3.321
মোট খরচ $0.039 $0.465
ইনপুট মূল্য $0.040 / 1M $1.500 / 1M
আউটপুট মূল্য $0.150 / 1M $4.500 / 1M
ক্যাশ পড়ার মূল্য প্রযোজ্য নয় $0.075 / 1M
ক্যাশ লেখার মূল্য প্রযোজ্য নয় $1.875 / 1M
মোট ইনপুট টোকেন 397,291 281,902
আউটপুট টোকেন 6,355 9,342
রিজনিং টোকেন 143,752 0
প্রতিক্রিয়া সময় (গড়) 6.66s 6.38s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 74.63s 67.27s
প্রতিক্রিয়া সময় (মোট) 153.29s 146.64s
প্যারামিটার ~100B ~2.4T মোট (~95B সক্রিয়)
উপলভ্যতা বন্ধ উৎস বন্ধ উৎস

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#248 Mercury 2.5 Preview

medium
খরচ
$0.001
সময়
2.7s
টোকেন
2,241 tok

#230 Qwen4 Max

none
খরচ
$0.027
সময়
123.5s
টোকেন
6,091 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2.5 Preview 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126
Qwen4 Max 5.8 10.0 33.3% 0 1.97s 8,010 384 0

তুলনার জুটি বদলান