#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
~100Bঅন্যান্যবন্ধ উৎসআনুমানিক
(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 ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #4; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #18. এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম। একই ধরনের মডেলের তুলনায় এটি লক্ষণীয়ভাবে দ্রুত।
মডেলের তথ্য
গবেষণার তারিখ: 2026-08-12
- প্যারামিটার
- ~100B
- আর্কিটেকচার
- অন্যান্য
- উপলভ্যতা
- বন্ধ উৎস
- লাইসেন্স
- -
সর্বজনীন তথ্যপ্রমাণের ভিত্তিতে সেরা অনুমান; প্রদানকারী সব মান প্রকাশ করেনি।
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)।
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 |
|---|---|---|---|---|---|
| 2026-08-14 03:05 পুনরায় পরীক্ষা | 4.7 | 10.0 | $0.030 | তুলনা করুন | |
| 2026-07-16 23:13 নতুন টেস্ট যোগ হয়েছে | 4.6 | 10.0 | $0.030 | 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 | বেঞ্চমার্ক কভারেজ | 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 | 60/60 প্রচেষ্টা | 4.6 | 9.1 | 10.0 | 4/20 | 2 | 2,984 | 0 | $0.009 | 614ms |
| 2026-07-16 23:13 · নতুন টেস্ট যোগ হয়েছে | 66/66 প্রচেষ্টা | 4.6 | 9.2 | 10.0 | 4/22 | 2 | 9,564 | 88,704 | $0.030 | 829ms |
| পার্থক্য | — | 0.0 | -0.1 | 0.0 | 0 | 0 | -6580 | -88704 | -$0.021 | -215ms |
বেঞ্চমার্ক কভারেজ আলাদা: 60/60 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।
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 2nonevsCobuddymediumMercury 2nonevsGranite 4.2 8BhighMercury 2nonevsTrinity Large PreviewnoneMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashnoneMercury 2nonevsMiniMax M2.5mediumMercury 2nonevsKAT-Coder-Air V2.5noneMercury 2nonevsLaguna S 2.1noneবিনামূল্যে উপলভ্যMercury 2nonevsTrinity Large ThinkinghighMercury 2nonevsGLM 4.7 Flashmedium
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 |