#143 Mercury 2
none- খরচ
- $0.002
- সময়
- 1.8s
- টোকেন
- 1,514 tok
Inception
প্রকাশ: 2026-02-24
পরীক্ষিত হয়েছে: 2026-05-22 00:39
inception/mercury-2::none
(medium)
(none)
সারাংশ
Mercury 2 AI BENCHY-তে 4.6 স্কোর করে এবং #143 স্থানে আছে। এর reliability 10.0, pass rate 25.0%, মোট খরচ $0.009, এবং গড় response time 614ms.
Mercury 2 কে আলাদা করে যা: এটি Sadharon Buddhimotta-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #3; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #13. একই ধরনের মডেলের তুলনায় এটি লক্ষণীয়ভাবে দ্রুত।
4.6
ধারাবাহিকতা
9.1
10.0
$0.009
মোট আউটপুট টোকেন
2,984
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.250 / 1M
আউটপুট মূল্য
$0.750 / 1M
অস্থির টেস্ট
2
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
জেনারেশন শোকেস
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
রান ইতিহাস
| পরীক্ষিত হয়েছে | স্কোর | নির্ভরযোগ্যতা | সঠিক টেস্ট | মোট খরচ | তুলনা করুন |
|---|---|---|---|---|---|
| 2026-06-04 14:27 নতুন টেস্ট যোগ হয়েছে | 4.5 | 10.0 | $0.011 | তুলনা করুন | |
| 2026-05-22 00:39 স্যুইট পরিবর্তিত হয়েছে | 4.6 | 10.0 | $0.009 | বর্তমান রান | |
| 2026-04-11 01:44 প্রথম নথিভুক্ত রান | 4.8 | প্রযোজ্য নয় | $0.007 | তুলনা করুন |
এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।
রান তুলনা
| রান | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:39 · স্যুইট পরিবর্তিত হয়েছে | 4.6 | 9.1 | 10.0 | 4/20 | 2 | 2,984 | 0 | $0.009 | 614ms |
| 2026-06-04 14:27 · নতুন টেস্ট যোগ হয়েছে | 4.5 | 9.2 | 10.0 | 4/21 | 2 | 4,439 | 28,113 | $0.011 | 653ms |
| পার্থক্য | +0.1 | -0.1 | 0.0 | 0 | 0 | -1455 | -28113 | -$0.002 | -39ms |
এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।
চার্ট
প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।
স্কোর অনুযায়ী শীর্ষ মডেল
স্কোর vs মোট খরচ
প্রতিক্রিয়া সময় (গড়)
স্কোর vs প্রতিক্রিয়া সময় (গড়)
মোট আউটপুট টোকেন
স্কোর vs মোট আউটপুট টোকেন
দ্রুত তুলনা
Mercury 2nonevsGPT-5.4 MininoneMercury 2nonevsDeepSeek V3.2noneMercury 2nonevsMiniMax M2.7mediumMercury 2nonevsQwen3.5 Plus 2026-04-20noneMercury 2nonevsQwen3.6 35B A3BnoneMercury 2nonevsGemini 3.5 FlashhighMercury 2nonevsGemini 3 Flash PreviewmediumMercury 2nonevsNemotron 3 Ultra 550b A55bmediumবিনামূল্যে উপলভ্যMercury 2nonevsGPT-5.5low
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 3.0 | 10.0 | |
| কোডিং | 3.5 | 9.4 | |
| সমন্বিত | 3.0 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 7.3 | 5.9 | |
| ডোমেইন-নির্দিষ্ট | 5.3 | 7.2 | |
| Sadharon Buddhimotta | 4.8 | 10.0 | |
| নির্দেশনা অনুসরণ | 6.5 | 10.0 | |
| ধাঁধা সমাধান | 3.1 | 10.0 | |
| টুল কলিং | 10.0 | 10.0 | |
| সাধারণ জ্ঞান | 3.0 | 10.0 |