नेविगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Mercury 2.5 Preview (medium) vs GLM 5.3 FlashX Legal (low)

Mercury 2.5 Preview (medium) average score में आगे है: 6.8 vs 6.7. Mercury 2.5 Preview (medium) की benchmark लागत कम है: $0.039 vs $0.135. Mercury 2.5 Preview (medium) तेज है: 6.66s vs 8.30s, pass rates 66.7% vs 55.1%.

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
#237
कुल आउटपुट टोकन
37,995
प्रतिक्रिया समय (औसत)
8.30s
कुल लागत
$0.135
अनुशंसित मॉडल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 3.5x less than GLM 5.3 FlashX Legal (low).

विस्तृत तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium रिलीज़: 2026-09-02 GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal low रिलीज़: 2026-11-02
स्कोर 6.8 6.7
रैंक #231 #237
विश्वसनीयता 10.0 9.7
संगति 9.6 7.8
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 66.7% 55.1%
अस्थिर टेस्ट 1 6
कुल रन 69 69
प्रति परिणाम लागत 0.244 1.349
कुल लागत $0.039 $0.135
इनपुट कीमत $0.040 / 1M $0.370 / 1M
आउटपुट कीमत $0.150 / 1M $1.250 / 1M
कैश पढ़ने की कीमत लागू नहीं $0.075 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 397,291 236,104
आउटपुट टोकन 6,355 11,222
रीजनिंग टोकन 143,752 26,773
प्रतिक्रिया समय (औसत) 6.66s 8.30s
प्रतिक्रिया समय (अधिकतम) 74.63s 64.18s
प्रतिक्रिया समय (कुल) 153.29s 190.99s
पैरामीटर ~100B ~320B कुल (~18B 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.

#231 Mercury 2.5 Preview

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

#237 GLM 5.3 FlashX Legal

low
लागत
$0.003
समय
12.4s
टोकन
2,362 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
GLM 5.3 FlashX Legal 5.4 7.2 44.4% 1 5.90s 7,317 465 3,760

त्वरित तुलना

तुलना जोड़ी बदलें

Qwen3.5-FlashnonevsGLM 5.3 FlashX LegallowMercury 2.5 PreviewmediumvsInklinglowनिःशुल्क उपलब्धMercury 2.5 PreviewmediumvsGPT-6 SolnoneGrok Build 0.1mediumvsGLM 5.3 FlashX LegallowGrok 4.7highvsGLM 5.3 FlashX LegallowMiniMax M3mediumvsGLM 5.3 FlashX LegallowEmber-1maxvsGLM 5.3 FlashX LegallowGrok 4.7xhighvsGLM 5.3 FlashX LegallowGPT 5.3 ChatdefaultvsGLM 5.3 FlashX LegallowGPT-5.6 SolnonevsGLM 5.3 FlashX LegallowApodex 1.1 Minihighनिःशुल्क उपलब्धvsGLM 5.3 FlashX LegallowSolar Pro 4xhighvsGLM 5.3 FlashX Legallow