#59
Inception
Veröffentlichung: 2026-02-24
Getestet am: 2026-04-11 01:44
inception/mercury-2::medium
(medium)
(none)
6.5
Konsistenz
8.6
k. A.
Gesamte Ausgabe-Token
52,305
Gesamte Eingabe-Token
0
Eingabepreis
$0.250 / 1M
Ausgabepreis
$0.750 / 1M
Instabile Tests
3
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-05-22 00:40 Erneuter Test | 6.3 | 10.0 | $0.055 | Vergleichen | |
| 2026-04-11 01:44 Erster erfasster Lauf | 6.5 | k. A. | $0.047 | Aktueller Lauf |
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Erster erfasster Lauf | 6.5 | 8.6 | k. A. | 8/18 | 3 | 52,305 | 0 | $0.047 | 2.21s |
| 2026-05-22 00:40 · Erneuter Test | 6.3 | 8.4 | 10.0 | 8/20 | 4 | 62,397 | 0 | $0.055 | 2.27s |
| Differenz | +0.2 | +0.2 | 0 | -1 | -10092 | 0 | -$0.009 | -65ms |
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 6.9 | 9.9 | |
| Programmierung | 10.0 | 10.0 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 7.3 | 5.9 | |
| Domänenspezifisch | 2.9 | 7.2 | |
| Allgemeine Intelligenz | 4.8 | 10.0 | |
| Befolgung von Anweisungen | 10.0 | 10.0 | |
| Rätsellösen | 3.9 | 7.5 | |
| Werkzeugaufrufe | 10.0 | 10.0 |