#40

Mercury 2

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

Puntaje prom.

48

Costo por resultado

0.726

Consistencia

83

Costo total

$0.044

Pruebas correctas

6

Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.

Pruebas incorrectas

9

Tasa de aciertos por intento: 51.1%

Pruebas inestables

3

Tiempo de respuesta: promedio 2.47s · total 34.56s · máximo 14.63s

Respuesta incorrecta: 5 No siguió las instrucciones: 3 Error de API: 1

Mejores modelos por puntuación

Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.

#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

Categoría	Puntaje prom.	Consistencia	Pruebas correctas
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