Inception: Mercury 2 vs Z.ai: GLM 5.1

GLM 5.1 (medium) führt beim Durchschnittsscore mit 7.1 vs 7.0. Mercury 2 (medium) hat die niedrigeren Benchmark-Kosten mit $0.093 vs $0.535. Mercury 2 (medium) ist schneller mit 2.72s vs 46.77s, mit Erfolgsraten von 51.5% vs 69.7%.

Empfohlenes ModellMercury 2 (medium)Die Punktzahl bleibt nah an der besten hier (7.0 vs 7.1) und es kostet etwa 5.8x weniger als GLM 5.1 (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-18

Metrik	Mercury 2 Mercury 2 medium Veröffentlichung: 2026-02-24	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07

Metrik	Mercury 2 Mercury 2 medium Veröffentlichung: 2026-02-24	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07
Punktzahl	7.0	7.1
Rang	#77	#73
Zuverlässigkeit	10.0	8.3
Konsistenz	8.8	8.4
Korrekte Tests
Erfolgsquote pro Versuch	51.5%	69.7%
Instabile Tests	3	4
Gesamtläufe	66	66
Kosten pro Ergebnis	0.928	4.202
Gesamtkosten	$0.093	$0.535
Eingabepreis	$0.250 / 1M	$0.966 / 1M
Ausgabepreis	$0.750 / 1M	$3.036 / 1M
Gesamte Eingabe-Token	109,572	82,623
Ausgabe-Token	10,313	16,089
Denk-Token	76,806	136,463
Antwortzeit (Durchschnitt)	2.72s	46.77s
Antwortzeit (Maximum)	14.63s	308.75s
Antwortzeit (Gesamt)	57.12s	982.16s

Hamster playing table tennis

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

#77 Mercury 2

medium

Kosten: $0.002
Zeit: 2.1s
Token: 1,702 tok

#73 GLM 5.1

medium

Ungültiges SVG

Kosten: $0.000
Zeit: 300.0s
Token: 0 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	0

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

Schnellvergleich

Vergleichspaar wechseln

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGLM 5.1medium DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone KAT-Coder-Pro V2.5highvsGLM 5.1medium Step 3.7 FlashlowvsGLM 5.1medium Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none Gemini 3.5 FlashnonevsGLM 5.1medium Claude Opus 4.8nonevsGLM 5.1medium Mercury 2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsMercury 2medium