#134 Mercury 2.5
high- लागत
- $0.001
- समय
- 3.5s
- टोकन
- 2,447 tok
Inception
रिलीज़: 2026-09-08
परीक्षण किया गया: 2026-09-08 22:50
inception/mercury-2.5::high
~100Bअन्यबंद स्रोतअनुमानित
सारांश
Mercury 2.5 AI BENCHY पर 7.1 स्कोर करता है और #134 पर है। इसकी reliability 9.7, pass rate 62.1%, कुल लागत $0.031, और औसत response time 4.32s है।
Mercury 2.5 को अलग क्या बनाता है: यह पहेली समाधान में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
मॉडल विवरण
शोध की तारीख: 2026-09-08
- पैरामीटर
- ~100B
- आर्किटेक्चर
- अन्य
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
7.1
संगति
8.6
9.7
$0.031
कुल आउटपुट टोकन
174,547
कुल इनपुट टोकन
120,068
इनपुट कीमत
$0.040 / 1M
आउटपुट कीमत
$0.150 / 1M
अस्थिर टेस्ट
4
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Mercury 2.5highvsSolar Pro 4highMercury 2.5highvsGrok 4.3mediumMercury 2.5highvsStep 3.7 FlashlowMercury 2.5highvsGPT-5.6 SolnoneMercury 2.5highvsMuse Glimmer 30BlowMercury 2.5highvsDeepSeek V3.2mediumMercury 2.5highvsQwen3.5-122B-A10BmediumMercury 2.5highvsGLM 5.1mediumMercury 2.5highvsMuse Glimmer 30BmediumMercury 2.5highvsGPT-5.5none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| कोडिंग | 6.4 | 7.8 | |
| संयुक्त | 6.4 | 5.8 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 5.0 | 10.0 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 8.7 | 7.7 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |