#90 Mercury 2
medium- लागत
- $0.002
- समय
- 2.1s
- टोकन
- 1,702 tok
Inception
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-05-22 00:40
inception/mercury-2::medium
(medium)
(none)
सारांश
Mercury 2 AI BENCHY पर 6.3 स्कोर करता है और #90 पर है। इसकी reliability 10.0, pass rate 50.0%, कुल लागत $0.055, और औसत response time 2.27s है।
Mercury 2 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #13 पर है।
6.3
संगति
8.4
10.0
$0.055
कुल आउटपुट टोकन
62,397
कुल इनपुट टोकन
0
इनपुट कीमत
$0.250 / 1M
आउटपुट कीमत
$0.750 / 1M
अस्थिर टेस्ट
4
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-06-04 14:27 नया टेस्ट जोड़ा गया | 6.6 | 10.0 | $0.058 | तुलना करें | |
| 2026-05-22 00:40 दोबारा परीक्षण | 6.3 | 10.0 | $0.055 | वर्तमान रन | |
| 2026-04-11 01:44 पहला दर्ज रन | 6.5 | लागू नहीं | $0.047 | तुलना करें |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:40 · दोबारा परीक्षण | 6.3 | 8.4 | 10.0 | 8/20 | 4 | 62,397 | 0 | $0.055 | 2.27s |
| 2026-04-11 01:44 · पहला दर्ज रन | 6.5 | 8.6 | लागू नहीं | 8/18 | 3 | 52,305 | 0 | $0.047 | 2.21s |
| अंतर | -0.2 | -0.2 | 0 | +1 | +10092 | 0 | +$0.009 | +65ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
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 2mediumvsGrok Build 0.1mediumMercury 2mediumvsDeepSeek V4 ProhighMercury 2mediumvsGPT-5.3 ChatnoneMercury 2mediumvsMiniMax M3mediumMercury 2mediumvsGPT-5.4 NanomediumMercury 2mediumvsGemini 3.5 FlashhighMercury 2mediumvsGemini 3 Flash PreviewmediumMercury 2mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धMercury 2mediumvsGPT-5.5low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.9 | 9.9 | |
| कोडिंग | 7.2 | 6.5 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 4.8 | 10.0 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 3.8 | 7.3 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |