#125 Mercury 2
medium- लागत
- $0.002
- समय
- 2.1s
- टोकन
- 1,702 tok
Inception
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-08-14 03:05
inception/mercury-2::medium
~100Bअन्यबंद स्रोतअनुमानित
(medium)
(none)
सारांश
Mercury 2 AI BENCHY पर 7.0 स्कोर करता है और #125 पर है। इसकी reliability 10.0, pass rate 53.0%, कुल लागत $0.094, और औसत response time 2.95s है।
Mercury 2 को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- ~100B
- आर्किटेक्चर
- अन्य
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
7.0
संगति
8.4
10.0
$0.094
कुल आउटपुट टोकन
87,554
कुल इनपुट टोकन
110,515
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)।
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 |
|---|---|---|---|---|---|
| 2026-08-14 03:05 दोबारा परीक्षण | 7.0 | 10.0 | $0.094 | वर्तमान रन | |
| 2026-07-16 23:14 नया टेस्ट जोड़ा गया | 7.0 | 10.0 | $0.093 | 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 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 6.5 | लागू नहीं | $0.047 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 03:05 · वर्तमान रन | 66/66 प्रयास | 7.0 | 8.4 | 10.0 | 10/22 | 4 | 87,554 | 110,515 | $0.094 | 2.95s |
| 2026-07-16 23:14 · नया टेस्ट जोड़ा गया | 66/66 प्रयास | 7.0 | 8.8 | 10.0 | 10/22 | 3 | 87,119 | 109,572 | $0.093 | 2.72s |
| अंतर | — | 0.0 | -0.4 | 0.0 | 0 | +1 | +435 | +943 | +$0.001 | +227ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
कीमत का इतिहास
OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।
| तारीख | इनपुट कीमत | आउटपुट कीमत |
|---|---|---|
| 2026-08-14 12:51 | $0.250 / 1M | $0.750 / 1M |
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 2mediumvsGPT-5.5noneMercury 2mediumvsGrok 4.20mediumMercury 2mediumvsGLM 5.1mediumMercury 2mediumvsSeed-2.0-MinimediumMercury 2mediumvsDeepSeek V3.2mediumMercury 2mediumvsKimi K2.5mediumMercury 2mediumvsGPT-5.6 SolnoneMercury 2mediumvsKAT-Coder-Pro V2.5mediumMercury 2mediumvsGrok 4.3mediumMercury 2mediumvsClaude Fable 5.1low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.9 | 9.9 | |
| कोडिंग | 8.2 | 7.7 | |
| संयुक्त | 6.7 | 9.1 | |
| डेटा पार्सिंग और निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 4.8 | 10.0 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 5.4 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |