Mercury 2.5 Preview (medium) vs Solar Pro 4 (high)

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 $0.077. Mercury 2.5 Preview (medium) तेज है: 6.66s vs 128.91s, pass rates 66.7% vs 60.9%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-10

तुलना किए गए मॉडल

रैंक: #231
कुल आउटपुट टोकन: 150,107
प्रतिक्रिया समय (औसत): 6.66s
कुल लागत: $0.039

रैंक: #286
कुल आउटपुट टोकन: 402,203
प्रतिक्रिया समय (औसत): 128.91s
कुल लागत: $0.077

अनुशंसित मॉडल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 2.0x less than Solar Pro 4 (high).

विस्तृत तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Solar Pro 4 Solar Pro 4 high रिलीज़: 2026-08-11

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02	Solar Pro 4 Solar Pro 4 high रिलीज़: 2026-08-11
स्कोर	6.8	6.3
रैंक	#231	#286
विश्वसनीयता	10.0	10.0
संगति	9.6	8.0
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	66.7%	60.9%
अस्थिर टेस्ट	1	6
कुल रन	69	69
प्रति परिणाम लागत	0.244	0.652
कुल लागत	$0.039	$0.077
इनपुट कीमत	$0.040 / 1M	$0.090 / 1M
आउटपुट कीमत	$0.150 / 1M	$0.360 / 1M
कैश पढ़ने की कीमत	लागू नहीं	$0.018 / 1M
कैश लिखने की कीमत	लागू नहीं	लागू नहीं
कुल इनपुट टोकन	397,291	209,002
आउटपुट टोकन	6,355	24,675
रीजनिंग टोकन	143,752	377,528
प्रतिक्रिया समय (औसत)	6.66s	128.91s
प्रतिक्रिया समय (अधिकतम)	74.63s	491.07s
प्रतिक्रिया समय (कुल)	153.29s	2965.04s
पैरामीटर	~100B	~100B
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.

#231 Mercury 2.5 Preview

medium

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

#286 Solar Pro 4

high

इस मॉडल के लिए अभी तक कोई शोकेस परिणाम उत्पन्न नहीं हुआ है।

लागत: लागू नहीं
समय: -
टोकन: 0 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
Solar Pro 4	2.8	1.6	33.3%	1		312.27s	129,262	1,318	37,691

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
Solar Pro 4	8.7	7.9	91.7%	1		58.83s	1,104	313	40,629

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
Solar Pro 4	5.7	9.9	33.3%	0		244.73s	7,887	18,577	101,928

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
Solar Pro 4	7.3	5.8	83.3%	1		167.40s	51,594	3,394	37,597

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
Solar Pro 4	10.0	10.0	100.0%	0		62.46s	7,575	252	22,209

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
Solar Pro 4	3.6	7.2	22.2%	1		280.84s	1,098	37	79,201

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
Solar Pro 4	5.5	10.0	0.0%	0		42.22s	609	123	7,474

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
Solar Pro 4	7.9	6.9	66.7%	1		41.51s	909	75	13,182

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
Solar Pro 4	8.7	7.9	77.8%	1		55.22s	1,017	345	23,424

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
Solar Pro 4	10.0	10.0	100.0%	0		8.96s	7,620	225	770

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
Solar Pro 4	3.0	10.0	0.0%	0		81.13s	327	16	13,423

तुलना जोड़ी बदलें

Qwen3.5 Plus 2026-02-15nonevsSolar Pro 4high Gemini 3.1 Flash LitelowvsSolar Pro 4high Mercury 2.5 PreviewmediumvsInklinglowनिःशुल्क उपलब्ध Ling 3.1 FlashlowvsSolar Pro 4high Minimax M3.1 Flashmediumनिःशुल्क उपलब्धvsSolar Pro 4high Mercury 2.5 PreviewmediumvsGPT-6 Solnone Gemini 3.1 Flash Lite PreviewlowvsSolar Pro 4high Space Bunny AlphamediumvsSolar Pro 4high Gemini 3.5 Flash LitelowvsSolar Pro 4high DeepSeek V3.2mediumvsSolar Pro 4high Trinity Large ThinkinglowvsSolar Pro 4high Qwen3.6 27BnonevsSolar Pro 4high