Mercury 2.5 Preview (medium) vs Laguna XS 2.1 (medium)

Mercury 2.5 Preview (medium) average score में आगे है: 6.8 vs 6.4. Mercury 2.5 Preview (medium) की benchmark लागत कम है: $0.039 vs $0.083. Mercury 2.5 Preview (medium) तेज है: 6.66s vs 48.97s, pass rates 66.7% vs 46.4%.

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

तुलना किए गए मॉडल

रैंक: #171
कुल आउटपुट टोकन: 150,107
प्रतिक्रिया समय (औसत): 6.66s
कुल लागत: $0.039

रैंक: #200
कुल आउटपुट टोकन: 538,292
प्रतिक्रिया समय (औसत): 48.97s
कुल लागत: $0.083

अनुशंसित मॉडल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 2.2x less than Laguna XS 2.1 (medium).

विस्तृत तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Laguna XS 2.1 Laguna XS 2.1 medium रिलीज़: 2026-07-02 निःशुल्क उपलब्ध

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Laguna XS 2.1 Laguna XS 2.1 medium रिलीज़: 2026-07-02 निःशुल्क उपलब्ध
स्कोर	6.8	6.4
रैंक	#171	#200
विश्वसनीयता	10.0	10.0
संगति	9.6	9.0
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	66.7%	46.4%
अस्थिर टेस्ट	1	3
कुल रन	69	69
प्रति परिणाम लागत	0.244	0.922
कुल लागत	$0.039	$0.083
इनपुट कीमत	$0.040 / 1M	$0.060 / 1M
आउटपुट कीमत	$0.150 / 1M	$0.120 / 1M
कैश पढ़ने की कीमत	लागू नहीं	$0.030 / 1M
कैश लिखने की कीमत	लागू नहीं	लागू नहीं
कुल इनपुट टोकन	397,291	352,516
आउटपुट टोकन	6,355	33,786
रीजनिंग टोकन	143,752	504,506
प्रतिक्रिया समय (औसत)	6.66s	48.97s
प्रतिक्रिया समय (अधिकतम)	74.63s	422.72s
प्रतिक्रिया समय (कुल)	153.29s	1126.35s
पैरामीटर	~100B	33B कुल (3B सक्रिय)
उपलब्धता	बंद स्रोत	वेट उपलब्ध

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.

#171 Mercury 2.5 Preview

medium

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

#200 Laguna XS 2.1

medium

लागत: $0.001
समय: 30.6s
टोकन: 4,678 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	3.9	9.6	0.0%	0		74.63s	284,578	919	22,154
Laguna XS 2.1	6.1	3.1	66.7%	1		66.42s	233,518	3,036	12,776

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		1.43s	781	203	7,921
Laguna XS 2.1	4.8	10.0	25.0%	0		41.96s	774	353	73,090

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	7.8	10.0	66.7%	0		3.86s	7,839	552	22,126
Laguna XS 2.1	5.5	10.0	33.3%	0		70.35s	7,995	23,767	83,258

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2.5 Preview	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588
Laguna XS 2.1	6.3	10.0	50.0%	0		218.07s	91,698	5,496	229,064

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		2.77s	8,292	514	11,354
Laguna XS 2.1	10.0	10.0	100.0%	0		4.50s	7,734	234	3,129

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	5.3	7.2	44.4%	1		3.72s	853	62	17,120
Laguna XS 2.1	3.5	4.4	33.3%	2		67.48s	843	17	91,430

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	5.0	10.0	0.0%	0		2.09s	538	99	3,375
Laguna XS 2.1	5.0	10.0	0.0%	0		4.15s	537	119	1,375

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		1.35s	744	96	3,987
Laguna XS 2.1	9.8	10.0	100.0%	0		2.57s	753	82	1,844

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		1.87s	771	274	7,323
Laguna XS 2.1	5.3	10.0	33.3%	0		3.43s	771	357	3,355

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		2.37s	0	0	0
Laguna XS 2.1	10.0	10.0	100.0%	0		3.01s	7,638	309	748

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		4.13s	232	29	6,804
Laguna XS 2.1	3.0	10.0	0.0%	0		10.88s	255	16	4,437

त्वरित तुलना

तुलना जोड़ी बदलें

Mercury 2.5 PreviewmediumvsInklinglowनिःशुल्क उपलब्ध Laguna XS 2.1mediumनिःशुल्क उपलब्धvsQwen3.5-122B-A10Bnone KAT-Coder-Pro V2.5highvsLaguna XS 2.1mediumनिःशुल्क उपलब्ध Gemini 3 Flash PreviewnonevsLaguna XS 2.1mediumनिःशुल्क उपलब्ध Laguna XS 2.1mediumनिःशुल्क उपलब्धvsGLM 5.1none Mercury 2.5 PreviewmediumvsGPT-6 Solnone Laguna XS 2.1mediumनिःशुल्क उपलब्धvsGLM 5.3low Mercury 2.5highvsLaguna XS 2.1mediumनिःशुल्क उपलब्ध Claude Opus 4.8nonevsMercury 2.5 Previewmedium Claude Sonnet 5.5lowvsMercury 2.5 Previewmedium Mercury 2.5 PreviewhighvsLaguna XS 2.1mediumनिःशुल्क उपलब्ध Mercury 2.5 PreviewmediumvsGPT-5.6 Lunalow