Mercury 2.5 Preview (medium) vs Qwen3.5 Plus 2026-02-15

Mercury 2.5 Preview (medium) average score में आगे है: 6.8 vs 6.3. Mercury 2.5 Preview (medium) की benchmark लागत कम है: $0.039 vs $0.176. Mercury 2.5 Preview (medium) तेज है: 6.66s vs 20.07s, pass rates 66.7% vs 52.2%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-03

तुलना किए गए मॉडल

रैंक: #173
कुल आउटपुट टोकन: 150,107
प्रतिक्रिया समय (औसत): 6.66s
कुल लागत: $0.039

रैंक: #221
कुल आउटपुट टोकन: 53,060
प्रतिक्रिया समय (औसत): 20.07s
कुल लागत: $0.176

अनुशंसित मॉडल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 4.6x less than Qwen3.5 Plus 2026-02-15.

विस्तृत तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none रिलीज़: 2026-02-15

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none रिलीज़: 2026-02-15
स्कोर	6.8	6.3
रैंक	#173	#221
विश्वसनीयता	10.0	10.0
संगति	9.6	9.1
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	66.7%	52.2%
अस्थिर टेस्ट	1	3
कुल रन	69	69
प्रति परिणाम लागत	0.244	1.593
कुल लागत	$0.039	$0.176
इनपुट कीमत	$0.040 / 1M	$0.260 / 1M
आउटपुट कीमत	$0.150 / 1M	$1.560 / 1M
कैश पढ़ने की कीमत	लागू नहीं	लागू नहीं
कैश लिखने की कीमत	लागू नहीं	लागू नहीं
कुल इनपुट टोकन	397,291	346,064
आउटपुट टोकन	6,355	53,060
रीजनिंग टोकन	143,752	0
प्रतिक्रिया समय (औसत)	6.66s	20.07s
प्रतिक्रिया समय (अधिकतम)	74.63s	183.50s
प्रतिक्रिया समय (कुल)	153.29s	341.27s
पैरामीटर	~100B	~397B कुल (~17B सक्रिय)
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.

#173 Mercury 2.5 Preview

medium

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

#221 Qwen3.5 Plus 2026-02-15

none

लागत: $0.012
समय: 153.2s
टोकन: 7,787 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
Qwen3.5 Plus 2026-02-15	5.2	3.2	33.3%	1		183.50s	243,409	23,690	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		1.43s	781	203	7,921
Qwen3.5 Plus 2026-02-15	4.8	10.0	25.0%	0		1.91s	696	517	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	7.8	10.0	66.7%	0		3.86s	7,839	552	22,126
Qwen3.5 Plus 2026-02-15	4.3	7.9	11.1%	1		2.05s	7,913	473	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	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588
Qwen3.5 Plus 2026-02-15	6.5	10.0	50.0%	0		64.83s	75,086	27,204	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		2.77s	8,292	514	11,354
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.89s	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	5.3	7.2	44.4%	1		3.72s	853	62	17,120
Qwen3.5 Plus 2026-02-15	7.7	10.0	66.7%	0		1.24s	798	17	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	5.0	10.0	0.0%	0		2.09s	538	99	3,375
Qwen3.5 Plus 2026-02-15	4.4	3.0	33.3%	1		2.26s	522	117	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		1.35s	744	96	3,987
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.67s	711	72	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		1.87s	771	274	7,323
Qwen3.5 Plus 2026-02-15	7.7	10.0	66.7%	0		2.71s	714	494	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		2.37s	0	0	0
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		3.33s	8,211	222	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		4.13s	232	29	6,804
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		1.11s	210	11	0

त्वरित तुलना

तुलना जोड़ी बदलें