AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

#99

Mercury 2

Inception रिलीज़: 2026-02-24 परीक्षण किया गया: 2026-04-11 01:44 inception/mercury-2::none
(medium) (none)

संगति

9.0

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

1,625

कुल इनपुट टोकन

0

इनपुट कीमत

$0.250 / 1M

आउटपुट कीमत

$0.750 / 1M

सही परीक्षण

गलत टेस्ट: 14

प्रति प्रयास पास दर: 27.8%

अस्थिर टेस्ट

2

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

613ms

प्रतिक्रिया समय (अधिकतम): 1.27s

प्रतिक्रिया समय (कुल): 11.04s

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

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

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

तुलना किए गए मॉडल