#40

Mercury 2

Inception · Veröffentlichung: 2026-02-24 · inception/mercury-2::medium

Ø-Score

48

Kosten pro Ergebnis

0.726

Konsistenz

83

Gesamtkosten

$0.044

Korrekte Tests

6

Ein Test gilt nur dann als vollständig bestanden, wenn alle Läufe bestanden wurden.

Falsche Tests

9

Erfolgsquote pro Versuch: 51.1%

Instabile Tests

3

Antwortzeit: Durchschn. 2.47s · Gesamt 34.56s · Max. 14.63s

Falsche Antwort: 5 Anweisungen nicht befolgt: 3 API-Fehler: 1

Top-Modelle nach Score

Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.

#34 GPT-5 Nano 54

#35 gpt-oss-120b 51

#36 Gemini 2.5 Flash 51

#37 Qwen3.5-27B 49

#38 DeepSeek V3.2 49

#39 Qwen3.5-122B-A10B 49

#40 Mercury 2 48

#41 Qwen3.5-Flash 47

#42 MiniMax M2.5 46

#43 Qwen3.5-35B-A3B 45

#44 GPT-5.4 45

#45 Trinity Large Preview (free) 41

#46 GPT-4o-mini 41

Kategorie	Ø-Score	Konsistenz	Korrekte Tests
Anti-AI Tricks	73	98	2/3
Combined	100	100	1/1
Data parsing and extraction	55	59	1/2
Domain specific	100	72	0/3
Instructions following	55	100	1/2
Puzzle Solving	17	75	0/3
Tool Calling	100	100	1/1