নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Inception: Mercury 2 vs Mistral: Mistral Small 4

Mistral Small 4 (medium) average score-এ এগিয়ে: 5.1 vs 4.6. Mercury 2-এর benchmark খরচ কম: $0.030 vs $0.096. Mercury 2 দ্রুত: 829ms vs 10.77s, pass rates 22.7% vs 42.4%.

প্রস্তাবিত মডেলMercury 2Its score stays close to the best score here (4.6 vs 5.1), while costing about 3.3x less than Mistral Small 4 (medium).

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

মেট্রিক Mercury 2 Mercury 2 none প্রকাশ: 2026-02-24 Mistral Small 4 Mistral Small 4 medium প্রকাশ: 2026-03-16
স্কোর 4.6 5.1
র‍্যাঙ্ক #185 #163
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.2 7.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 22.7% 42.4%
অস্থির টেস্ট 2 8
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.734 1.913
মোট খরচ $0.030 $0.096
ইনপুট মূল্য $0.250 / 1M $0.150 / 1M
আউটপুট মূল্য $0.750 / 1M $0.600 / 1M
মোট ইনপুট টোকেন 88,704 140,494
আউটপুট টোকেন 9,564 39,462
রিজনিং টোকেন 0 92,362
প্রতিক্রিয়া সময় (গড়) 829ms 10.77s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 4.52s 59.15s
প্রতিক্রিয়া সময় (মোট) 18.24s 236.94s

Hamster playing table tennis

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

#185 Mercury 2

none
খরচ
$0.002
সময়
1.8s
টোকেন
1,514 tok

#163 Mistral Small 4

medium
খরচ
$0.006
সময়
47.9s
টোকেন
9,857 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 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
Mistral Small 4 4.4 5.1 33.3% 2 39.98s 7,636 11,635 54,715

দ্রুত তুলনা

তুলনার জুটি বদলান