AI BENCHY तुलना
Inception: Mercury 2 vs Qwen: Qwen3.5 Plus 2026-02-15
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | Inception: Mercury 2 medium रिलीज़: 2026-02-24 | Qwen: Qwen3.5 Plus 2026-02-15 none रिलीज़: 2026-02-15 |
|---|---|---|
| रैंक | #35 | #27 |
| औसत स्कोर | 54 | 64 |
| संगति | 83 | 100 |
| प्रति परिणाम लागत | 0.622 | 0.168 |
| कुल लागत | $0.044 | $0.016 |
| प्रतिक्रिया समय (औसत) | 2.47s | 2.70s |
| प्रतिक्रिया समय (अधिकतम) | 14.63s | 6.65s |
| प्रतिक्रिया समय (कुल) | 34.56s | 24.26s |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 57.8% | 60.0% |
| अस्थिर टेस्ट | 3 | 0 |
| आउटपुट टोकन | 3,571 | 1,898 |
| रीजनिंग टोकन | 45,379 | 0 |
प्रतिक्रिया समय (औसत)
स्कोर बनाम कुल लागत
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 73 | 98 | 66.7% | 0 | 1.30s | 2,531 | 2,410 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 40 | 100 | 33.3% | 0 | 2.74s | 514 | 0 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 3.28s | 268 | 4,887 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 100 | 100 | 0.0% | 0 | 6.65s | 314 | 0 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 99 | 100 | 100.0% | 0 | 1.89s | 243 | 0 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 72 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 40 | 100 | 33.3% | 0 | 1.17s | 17 | 0 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 1.07s | 14 | 958 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 100 | 100 | 100.0% | 0 | 1.67s | 72 | 0 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 17 | 75 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 70 | 100 | 66.7% | 0 | 2.82s | 516 | 0 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 1.89s | 180 | 1,956 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 100 | 100 | 100.0% | 0 | 3.33s | 222 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
Qwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneClaude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneSeed-2.0-MinimediumvsQwen3.5 Plus 2026-02-15none