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

Mercury 2 average score में आगे है: 4.6 vs 4.5. Laguna S 2.1 की benchmark लागत कम है: $0.025 vs $0.030. Mercury 2 तेज है: 829ms vs 11.67s, pass rates 22.7% vs 15.2%.

अनुशंसित मॉडलMercury 2It has the best score here (4.6), while responding about 14.1x faster than Laguna S 2.1.

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 none रिलीज़: 2026-07-21 निःशुल्क उपलब्ध
स्कोर 4.6 4.5
रैंक #198 #200
विश्वसनीयता 10.0 10.0
संगति 9.2 8.8
सही परीक्षण
प्रति प्रयास पास दर 22.7% 15.2%
अस्थिर टेस्ट 2 3
कुल रन 66 66
प्रति परिणाम लागत 0.734 1.205
कुल लागत $0.030 $0.025
इनपुट कीमत $0.250 / 1M $0.100 / 1M
आउटपुट कीमत $0.750 / 1M $0.200 / 1M
कुल इनपुट टोकन 88,704 125,598
आउटपुट टोकन 9,564 57,634
रीजनिंग टोकन 0 0
प्रतिक्रिया समय (औसत) 829ms 11.67s
प्रतिक्रिया समय (अधिकतम) 4.52s 200.52s
प्रतिक्रिया समय (कुल) 18.24s 256.80s

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

#200 Laguna S 2.1

none
लागत
$0.001
समय
7.6s
टोकन
1,345 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 3.4 9.7 0.0% 0 550ms 7,917 424 0

त्वरित तुलना

तुलना जोड़ी बदलें