Mercury 2.5 Preview (medium) vs Qwen3.6 Flash

Mercury 2.5 Preview (medium) average score में आगे है: 6.8 vs 5.9. Mercury 2.5 Preview (medium) की benchmark लागत कम है: $0.039 vs $0.139. Mercury 2.5 Preview (medium) तेज है: 6.66s vs 7.63s, pass rates 66.7% vs 33.3%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-24

तुलना किए गए मॉडल

रैंक: #207
कुल आउटपुट टोकन: 150,107
प्रतिक्रिया समय (औसत): 6.66s
कुल लागत: $0.039

रैंक: #294
कुल आउटपुट टोकन: 57,714
प्रतिक्रिया समय (औसत): 7.63s
कुल लागत: $0.139

अनुशंसित मॉडल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 3.6x less than Qwen3.6 Flash.

विस्तृत तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Qwen3.6 Flash Qwen3.6 Flash none रिलीज़: 2026-04-20

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Qwen3.6 Flash Qwen3.6 Flash none रिलीज़: 2026-04-20
स्कोर	6.8	5.9
रैंक	#207	#294
विश्वसनीयता	10.0	10.0
संगति	9.6	9.6
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	66.7%	33.3%
अस्थिर टेस्ट	1	1
कुल रन	69	69
प्रति परिणाम लागत	0.244	2.032
कुल लागत	$0.039	$0.139
इनपुट कीमत	$0.040 / 1M	$0.188 / 1M
आउटपुट कीमत	$0.150 / 1M	$1.125 / 1M
कैश पढ़ने की कीमत	लागू नहीं	लागू नहीं
कैश लिखने की कीमत	लागू नहीं	$0.235 / 1M
कुल इनपुट टोकन	397,291	388,929
आउटपुट टोकन	6,355	57,714
रीजनिंग टोकन	143,752	0
प्रतिक्रिया समय (औसत)	6.66s	7.63s
प्रतिक्रिया समय (अधिकतम)	74.63s	93.47s
प्रतिक्रिया समय (कुल)	153.29s	175.42s
पैरामीटर	~100B	~35B कुल (~3B 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.

#207 Mercury 2.5 Preview

medium

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

#294 Qwen3.6 Flash

none

लागत: $0.005
समय: 20.1s
टोकन: 4,211 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
Qwen3.6 Flash	5.0	10.0	0.0%	0		93.47s	249,132	26,767	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
Qwen3.6 Flash	3.1	10.0	0.0%	0		1.63s	696	1,554	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
Qwen3.6 Flash	5.4	10.0	33.3%	0		1.79s	6,488	889	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
Qwen3.6 Flash	3.8	5.8	33.3%	1		26.50s	113,653	27,098	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		2.13s	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
Qwen3.6 Flash	5.3	10.0	33.3%	0		963ms	798	15	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		947ms	522	132	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
Qwen3.6 Flash	6.3	10.0	50.0%	0		1.10s	711	66	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
Qwen3.6 Flash	3.5	10.0	0.0%	0		1.21s	714	669	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		2.49s	8,211	272	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
Qwen3.6 Flash	3.0	10.0	0.0%	0		649ms	210	9	0

तुलना जोड़ी बदलें