#40

Mercury 2

Inception · रिलीज़: 2026-02-24 · inception/mercury-2::medium

औसत स्कोर

48

प्रति परिणाम लागत

0.726

संगति

83

कुल लागत

$0.044

सही परीक्षण

6

कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।

गलत टेस्ट

9

प्रति प्रयास पास दर: 51.1%

अस्थिर टेस्ट

3

प्रतिक्रिया समय: औसत 2.47s · कुल 34.56s · अधिकतम 14.63s

गलत उत्तर: 5 निर्देशों का पालन नहीं किया: 3 API त्रुटि: 1

स्कोर के अनुसार शीर्ष मॉडल

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

#34 GPT-5 Nano 54

#35 gpt-oss-120b 51

#36 Gemini 2.5 Flash 51

#37 Qwen3.5-27B 49

#38 DeepSeek V3.2 49

#39 Qwen3.5-122B-A10B 49

#40 Mercury 2 48

#41 Qwen3.5-Flash 47

#42 MiniMax M2.5 46

#43 Qwen3.5-35B-A3B 45

#44 GPT-5.4 45

#45 Trinity Large Preview (free) 41

#46 GPT-4o-mini 41

श्रेणी	औसत स्कोर	संगति	सही परीक्षण
Anti-AI Tricks	73	98	2/3
Combined	100	100	1/1
Data parsing and extraction	55	59	1/2
Domain specific	100	72	0/3
Instructions following	55	100	1/2
Puzzle Solving	17	75	0/3
Tool Calling	100	100	1/1