#59 Mercury 2
medium- लागत
- $0.002
- समय
- 2.1s
- टोकन
- 1,702 tok
Inception
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-04-11 01:44
inception/mercury-2::medium
(medium)
(none)
सारांश
Mercury 2 AI BENCHY पर 6.5 स्कोर करता है और #59 पर है। इसकी reliability लागू नहीं, pass rate 53.7%, कुल लागत $0.047, और औसत response time 2.21s है।
Mercury 2 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।
6.5
संगति
8.6
लागू नहीं
$0.047
कुल आउटपुट टोकन
52,305
कुल इनपुट टोकन
0
इनपुट कीमत
$0.250 / 1M
आउटपुट कीमत
$0.750 / 1M
अस्थिर टेस्ट
3
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 |
|---|---|---|---|---|---|
| 2026-07-16 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 | वर्तमान रन |
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 2mediumvsDeepSeek V3.2mediumMercury 2mediumvsGrok 4.20mediumMercury 2mediumvsGemini 3.5 FlashnoneMercury 2mediumvsGLM 5.1mediumMercury 2mediumvsSeed-2.0-MinimediumMercury 2mediumvsGemini 3 Flash PreviewmediumMercury 2mediumvsGemini 3.5 FlashhighMercury 2mediumvsNemotron 3 Ultramediumनिःशुल्क उपलब्धMercury 2mediumvsGPT-5.5low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.9 | 9.9 | |
| कोडिंग | 10.0 | 10.0 | |
| 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 | 3.9 | 7.5 | |
| टूल कॉलिंग | 10.0 | 10.0 |