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

Inception: Mercury 2 vs Poolside: Laguna S 2.1

Laguna S 2.1 (low) average score में आगे है: 5.0 vs 4.6. Mercury 2 की benchmark लागत कम है: $0.030 vs $0.091. Mercury 2 तेज है: 829ms vs 85.35s, pass rates 22.7% vs 25.8%.

अनुशंसित मॉडलMercury 2Its score stays close to the best score here (4.6 vs 5.0), while costing about 3.1x less than Laguna S 2.1 (low).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-22

मेट्रिक Mercury 2 Mercury 2 none रिलीज़: 2026-02-24 Laguna S 2.1 Laguna S 2.1 low रिलीज़: 2026-07-21 निःशुल्क उपलब्ध
स्कोर 4.6 5.0
रैंक #198 #181
विश्वसनीयता 10.0 9.9
संगति 9.2 7.8
सही परीक्षण
प्रति प्रयास पास दर 22.7% 25.8%
अस्थिर टेस्ट 2 6
कुल रन 66 66
प्रति परिणाम लागत 0.734 3.022
कुल लागत $0.030 $0.091
इनपुट कीमत $0.250 / 1M $0.100 / 1M
आउटपुट कीमत $0.750 / 1M $0.200 / 1M
कुल इनपुट टोकन 88,704 118,746
आउटपुट टोकन 9,564 67,823
रीजनिंग टोकन 0 383,885
प्रतिक्रिया समय (औसत) 829ms 85.35s
प्रतिक्रिया समय (अधिकतम) 4.52s 814.73s
प्रतिक्रिया समय (कुल) 18.24s 1877.64s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#198 Mercury 2

none
लागत
$0.002
समय
1.8s
टोकन
1,514 tok

#181 Laguna S 2.1

low
लागत
$0.001
समय
6.6s
टोकन
1,314 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 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
Laguna S 2.1 3.8 7.1 22.2% 1 167.51s 7,917 58,111 119,138

त्वरित तुलना

तुलना जोड़ी बदलें