नेविगेशन
Advertise here

Ember-1 (high) vs Mercury 2.5 Preview (medium)

Ember-1 (high) average score में आगे है: 6.9 vs 6.8. Mercury 2.5 Preview (medium) की benchmark लागत कम है: $0.039 vs $2.405. Mercury 2.5 Preview (medium) तेज है: 6.66s vs 58.14s, pass rates 71.0% vs 66.7%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-13

तुलना किए गए मॉडल

रैंक
#235
कुल आउटपुट टोकन
121,223
प्रतिक्रिया समय (औसत)
58.14s
कुल लागत
$2.405
रैंक
#243
कुल आउटपुट टोकन
150,107
प्रतिक्रिया समय (औसत)
6.66s
कुल लागत
$0.039
अनुशंसित मॉडल Mercury 2.5 Preview (medium)

Its score stays close to the best score here (6.8 vs 6.9), while costing about 62.6x less than Ember-1 (high).

विस्तृत तुलना

मेट्रिक Ember-1 Ember-1 high रिलीज़: 2026-09-28 Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02
स्कोर 6.9 6.8
रैंक #235 #243
विश्वसनीयता 8.6 10.0
संगति 7.2 9.6
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 71.0% 66.7%
अस्थिर टेस्ट 8 1
कुल रन 69 69
प्रति परिणाम लागत 20.041 0.244
कुल लागत $2.405 $0.039
इनपुट कीमत $3.000 / 1M $0.040 / 1M
आउटपुट कीमत $15.000 / 1M $0.150 / 1M
कैश पढ़ने की कीमत $0.300 / 1M लागू नहीं
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 195,489 397,291
आउटपुट टोकन 12,475 6,355
रीजनिंग टोकन 108,748 143,752
प्रतिक्रिया समय (औसत) 58.14s 6.66s
प्रतिक्रिया समय (अधिकतम) 255.06s 74.63s
प्रतिक्रिया समय (कुल) 1337.19s 153.29s
पैरामीटर ~2.8T कुल (~104B सक्रिय) ~100B
उपलब्धता बंद स्रोत बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#235 Ember-1

high
लागत
$0.038
समय
55.1s
टोकन
2,671 tok

#243 Mercury 2.5 Preview

medium
लागत
$0.001
समय
2.7s
टोकन
2,241 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Ember-1 8.2 7.2 88.9% 1 72.23s 7,144 1,281 23,093
Mercury 2.5 Preview 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126

तुलना जोड़ी बदलें