#99
Inception
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-04-11 01:44
inception/mercury-2::none
(medium)
(none)
4.8
संगति
9.0
लागू नहीं
$0.007
कुल आउटपुट टोकन
1,625
कुल इनपुट टोकन
0
इनपुट कीमत
$0.250 / 1M
आउटपुट कीमत
$0.750 / 1M
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-05-22 00:39 सूट बदला गया | 4.6 | 10.0 | $0.009 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 4.8 | लागू नहीं | $0.007 | वर्तमान रन |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · पहला दर्ज रन | 4.8 | 9.0 | लागू नहीं | 4/18 | 2 | 1,625 | 0 | $0.007 | 613ms |
| 2026-05-22 00:39 · सूट बदला गया | 4.6 | 9.1 | 10.0 | 4/20 | 2 | 2,984 | 0 | $0.009 | 614ms |
| अंतर | +0.2 | -0.1 | 0 | 0 | -1359 | 0 | -$0.003 | -1ms |
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 vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Mercury 2nonevsGLM 5 TurbononeMercury 2nonevsElephant AlphamediumMercury 2nonevsQwen3.5-122B-A10BnoneMercury 2nonevsLing-2.6-flashnoneMercury 2nonevsDeepSeek V3.2noneMercury 2nonevsElephant AlphanoneMercury 2nonevsGemini 3 Flash PreviewmediumMercury 2nonevsGemini 3.5 FlashhighMercury 2nonevsRing-2.6-1TmediumMercury 2nonevsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.0 | 10.0 | |
| कोडिंग | 3.6 | 8.9 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 5.3 | 7.2 | |
| Samanya Buddhimatta | 4.8 | 10.0 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 3.1 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |