AI BENCHY तुलना

Inception: Mercury 2 vs Z.ai: GLM 5.1

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-04-07

मेट्रिक	Mercury 2 Mercury 2 medium रिलीज़: 2026-02-24	GLM 5.1 GLM 5.1 none रिलीज़: 2026-04-07

मेट्रिक	Mercury 2 Mercury 2 medium रिलीज़: 2026-02-24	GLM 5.1 GLM 5.1 none रिलीज़: 2026-04-07
स्कोर	6.3	5.6
रैंक	#53	#67
संगति	8.5	8.2
सही परीक्षण
प्रति प्रयास पास दर	51.0%	39.2%
अस्थिर टेस्ट	3	4
कुल रन	51	51
प्रति परिणाम लागत	0.634	1.000
कुल लागत	$0.045	$0.050
???? ???	$0.250 / 1M	$1.000 / 1M
????? ???	$0.750 / 1M	$3.200 / 1M
आउटपुट टोकन	3,723	3,219
रीजनिंग टोकन	46,120	0
प्रतिक्रिया समय (औसत)	2.25s	4.01s
प्रतिक्रिया समय (अधिकतम)	14.63s	32.57s
प्रतिक्रिया समय (कुल)	35.99s	68.23s

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

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	6.9	9.9	50.0%	0		1.12s	2,546	2,609
GLM 5.1	4.0	6.3	25.0%	2		2.11s	305	0

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	10.0	10.0	100.0%	0		3.28s	268	4,887
GLM 5.1	2.8	2.1	33.3%	1		32.57s	2,129	0

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	7.3	5.9	83.3%	1		1.11s	183	1,656
GLM 5.1	10.0	10.0	100.0%	0		1.08s	204	0

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	2.9	7.2	11.1%	1		6.48s	41	30,754
GLM 5.1	2.9	7.2	11.1%	1		1.99s	24	0

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	4.8	10.0	0.0%	0		821ms	137	542
GLM 5.1	5.0	10.0	0.0%	0		790ms	39	0

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	10.0	10.0	100.0%	0		1.07s	14	958
GLM 5.1	8.3	10.0	50.0%	0		1.58s	66	0

Puzzle Solving	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	3.9	7.5	22.2%	1		934ms	354	2,758
GLM 5.1	5.7	10.0	33.3%	0		1.48s	152	0

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	आउटपुट टोकन	रीजनिंग टोकन
Mercury 2	10.0	10.0	100.0%	0		1.89s	180	1,956
GLM 5.1	10.0	10.0	100.0%	0		10.68s	300	0

त्वरित तुलना

तुलना जोड़ी बदलें

Gemma 4 26B A4Bnoneनिःशुल्क उपलब्धvsMercury 2medium DeepSeek V3.2nonevsMercury 2medium Mistral Small 4mediumvsGLM 5.1none Mercury 2mediumvsMiMo-V2-Omninone MiniMax M2.5mediumनिःशुल्क उपलब्धvsGLM 5.1none Mercury 2mediumvsQwen3.5-Flashnone Mercury 2mediumvsGLM 5V Turbonone Seed-2.0-LitenonevsMercury 2medium gpt-oss-120bmediumनिःशुल्क उपलब्धvsGLM 5.1none Gemini 2.5 FlashnonevsMercury 2medium Mercury 2mediumvsQwen3.5-35B-A3Bnone Mercury 2mediumvsGLM 5none