Mercury 2.5 Preview (high) vs Qwen3.5-122B-A10B

Mercury 2.5 Preview (high) average score में आगे है: 6.5 vs 6.4. Mercury 2.5 Preview (high) की benchmark लागत कम है: $0.039 vs $0.308. Mercury 2.5 Preview (high) तेज है: 7.61s vs 14.79s, pass rates 65.2% vs 36.2%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-01

तुलना किए गए मॉडल

रैंक: #194
कुल आउटपुट टोकन: 180,597
प्रतिक्रिया समय (औसत): 7.61s
कुल लागत: $0.039

रैंक: #201
कुल आउटपुट टोकन: 97,112
प्रतिक्रिया समय (औसत): 14.79s
कुल लागत: $0.308

अनुशंसित मॉडल Mercury 2.5 Preview (high)

It has the best score here (6.5), while costing about 8.0x less than Qwen3.5-122B-A10B.

विस्तृत तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high रिलीज़: 2026-09-02	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none रिलीज़: 2026-02-24

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high रिलीज़: 2026-09-02	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none रिलीज़: 2026-02-24
स्कोर	6.5	6.4
रैंक	#194	#201
विश्वसनीयता	9.9	10.0
संगति	8.0	9.3
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	65.2%	36.2%
अस्थिर टेस्ट	6	2
कुल रन	69	69
प्रति परिणाम लागत	0.319	4.452
कुल लागत	$0.039	$0.308
इनपुट कीमत	$0.000 / 1M	$0.260 / 1M
आउटपुट कीमत	$0.000 / 1M	$2.080 / 1M
कुल इनपुट टोकन	298,512	405,921
आउटपुट टोकन	3,178	97,112
रीजनिंग टोकन	177,419	0
प्रतिक्रिया समय (औसत)	7.61s	14.79s
प्रतिक्रिया समय (अधिकतम)	86.84s	212.63s
प्रतिक्रिया समय (कुल)	175.08s	340.25s
पैरामीटर	~100B	122B कुल (10B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#194 Mercury 2.5 Preview

high

लागत: $0.001
समय: 4.5s
टोकन: 3,851 tok

#201 Qwen3.5-122B-A10B

none

लागत: $0.016
समय: 44.5s
टोकन: 6,431 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

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	6.1	3.1	66.7%	1		86.84s	182,753	616	16,476
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		55.86s	164,346	8,653	0

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008
Qwen3.5-122B-A10B	4.8	10.0	25.0%	0		1.59s	696	312	0

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	6.7	7.8	55.6%	1		6.13s	7,751	485	42,569
Qwen3.5-122B-A10B	3.7	7.0	22.2%	1		2.77s	7,913	693	0

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	3.8	1.6	50.0%	2		14.36s	95,789	765	54,789
Qwen3.5-122B-A10B	5.2	6.9	33.3%	1		129.31s	214,006	86,212	0

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.24s	8,292	560	8,522
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		1.01s	7,794	243	0

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	2.9	4.4	22.2%	2		5.68s	857	67	25,958
Qwen3.5-122B-A10B	5.3	10.0	33.3%	0		523ms	798	16	0

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	5.1	10.0	0.0%	0		1.88s	542	94	3,300
Qwen3.5-122B-A10B	5.0	10.0	0.0%	0		1.12s	522	66	0

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.05s	741	94	3,777
Qwen3.5-122B-A10B	6.3	10.0	50.0%	0		513ms	711	69	0

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.21s	774	292	6,066
Qwen3.5-122B-A10B	3.8	10.0	0.0%	0		1.00s	714	575	0

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.25s	0	0	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		2.04s	8,211	264	0

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	3.0	10.0	0.0%	0		5.41s	228	24	8,954
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		295ms	210	9	0

त्वरित तुलना

तुलना जोड़ी बदलें

Laguna XS 2.1mediumनिःशुल्क उपलब्धvsQwen3.5-122B-A10Bnone Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Qwen3.5-122B-A10BnonevsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.3low KAT-Coder-Pro V2.5highvsQwen3.5-122B-A10Bnone Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Qwen3.5-122B-A10BnonevsSolar Pro 4medium Mercury 2.5 PreviewhighvsGLM 5.1none Qwen3.5-122B-A10BnonevsGLM 5.3low Mercury 2.5 PreviewhighvsGrok 4.3medium Kimi K2.5mediumvsQwen3.5-122B-A10Bnone Mercury 2.5highvsQwen3.5-122B-A10Bnone