নেভিগেশন
AI BENCHY
Advertise here

Inception: Mercury 2 vs Qwen: Qwen3.7 Plus

Qwen3.7 Plus average score-এ এগিয়ে: 7.2 vs 7.0. Mercury 2 (medium)-এর benchmark খরচ কম: $0.093 vs $0.106. Mercury 2 (medium) দ্রুত: 2.72s vs 12.09s, pass rates 51.5% vs 50.0%.

প্রস্তাবিত মডেলMercury 2 (medium)Its score stays close to the best score here (7.0 vs 7.2), while responding about 4.4x faster than Qwen3.7 Plus.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-18

মেট্রিক Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24 Qwen3.7 Plus Qwen3.7 Plus none প্রকাশ: 2026-06-03
স্কোর 7.0 7.2
র‍্যাঙ্ক #77 #70
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 10.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 51.5% 50.0%
অস্থির টেস্ট 3 0
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.928 1.014
মোট খরচ $0.093 $0.106
ইনপুট মূল্য $0.250 / 1M $0.320 / 1M
আউটপুট মূল্য $0.750 / 1M $1.280 / 1M
মোট ইনপুট টোকেন 109,572 98,824
আউটপুট টোকেন 10,313 58,097
রিজনিং টোকেন 76,806 0
প্রতিক্রিয়া সময় (গড়) 2.72s 12.09s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 14.63s 206.03s
প্রতিক্রিয়া সময় (মোট) 57.12s 265.89s

Hamster playing table tennis

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

#77 Mercury 2

medium
খরচ
$0.002
সময়
2.1s
টোকেন
1,702 tok

#70 Qwen3.7 Plus

none
খরচ
$0.019
সময়
213.5s
টোকেন
11,960 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 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
Qwen3.7 Plus 5.5 10.0 33.3% 0 2.15s 7,911 639 0

দ্রুত তুলনা

তুলনার জুটি বদলান