नेविगेशन
Advertise here

Mercury 2.5 Preview (medium) vs Qwen4 Max

Qwen4 Max average score में आगे है: 7.0 vs 6.8. Mercury 2.5 Preview (medium) की benchmark लागत कम है: $0.039 vs $0.465. Qwen4 Max तेज है: 6.38s vs 6.66s, pass rates 66.7% vs 63.8%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-16

तुलना किए गए मॉडल

रैंक
#248
कुल आउटपुट टोकन
150,107
प्रतिक्रिया समय (औसत)
6.66s
कुल लागत
$0.039
रैंक
#230
कुल आउटपुट टोकन
9,342
प्रतिक्रिया समय (औसत)
6.38s
कुल लागत
$0.465
अनुशंसित मॉडल Mercury 2.5 Preview (medium)

Its score stays close to the best score here (6.8 vs 7.0), while costing about 12.1x less than Qwen4 Max.

विस्तृत तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02 Qwen4 Max Qwen4 Max none रिलीज़: 2026-11-16
स्कोर 6.8 7.0
रैंक #248 #230
विश्वसनीयता 10.0 10.0
संगति 9.6 9.6
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 66.7% 63.8%
अस्थिर टेस्ट 1 1
कुल रन 69 69
प्रति परिणाम लागत 0.244 3.321
कुल लागत $0.039 $0.465
इनपुट कीमत $0.040 / 1M $1.500 / 1M
आउटपुट कीमत $0.150 / 1M $4.500 / 1M
कैश पढ़ने की कीमत लागू नहीं $0.075 / 1M
कैश लिखने की कीमत लागू नहीं $1.875 / 1M
कुल इनपुट टोकन 397,291 281,902
आउटपुट टोकन 6,355 9,342
रीजनिंग टोकन 143,752 0
प्रतिक्रिया समय (औसत) 6.66s 6.38s
प्रतिक्रिया समय (अधिकतम) 74.63s 67.27s
प्रतिक्रिया समय (कुल) 153.29s 146.64s
पैरामीटर ~100B ~2.4T कुल (~95B 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.

#248 Mercury 2.5 Preview

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

#230 Qwen4 Max

none
लागत
$0.027
समय
123.5s
टोकन
6,091 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
Mercury 2.5 Preview 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126
Qwen4 Max 5.8 10.0 33.3% 0 1.97s 8,010 384 0

तुलना जोड़ी बदलें