Mercury 2.5 (high) vs Muse Glimmer 30B (low)

Model yang Dibandingkan

Model yang direkomendasikan Mercury 2.5 (high)

Its score stays close to the best score here (7.1 vs 7.1), while costing about 4.6x less than Muse Glimmer 30B (low).

Metrik	Mercury 2.5 Mercury 2.5 high Rilis: 2026-09-08	Muse Glimmer 30B Muse Glimmer 30B low Rilis: 2026-08-11

Metrik	Mercury 2.5 Mercury 2.5 high Rilis: 2026-09-08	Muse Glimmer 30B Muse Glimmer 30B low Rilis: 2026-08-11
Skor	7.1	7.1
Peringkat	#134	#131
Keandalan	9.7	10.0
Konsistensi	8.6	8.2
Percobaan	66/66	66/66
Tes benar
Tingkat lulus per percobaan	62.1%	63.6%
Tes tidak stabil	4	5
Total Run	66	66
Biaya per hasil	0.259	1.692
Total Biaya	$0.031	$0.143
Harga input	$0.040 / 1M	$0.300 / 1M
Harga output	$0.150 / 1M	$1.100 / 1M
Total token input	120,068	130,312
Token output	3,402	33,867
Token penalaran	171,145	62,103
Waktu respons (rata-rata)	4.32s	18.64s
Waktu respons (maks)	23.63s	234.92s
Waktu respons (total)	95.06s	410.18s
Parameter	~100B	30B
Ketersediaan	Tertutup	Sumber terbuka

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

high

low

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	10.0	10.0	100.0%	0		1.33s	782	218	7,913
Muse Glimmer 30B	8.7	8.0	91.7%	1		3.57s	810	1,054	2,240

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	6.4	7.8	44.4%	1		6.58s	7,757	415	44,012
Muse Glimmer 30B	8.1	9.9	66.7%	0		16.52s	7,419	2,759	10,173

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	6.4	5.8	66.7%	1		16.00s	91,255	1,478	62,200
Muse Glimmer 30B	3.8	5.8	33.3%	1		131.97s	102,271	24,417	33,400

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	10.0	10.0	100.0%	0		3.08s	8,355	557	9,430
Muse Glimmer 30B	10.0	10.0	100.0%	0		4.17s	7,065	1,219	1,841

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	2.9	7.2	11.1%	1		4.86s	857	78	22,452
Muse Glimmer 30B	3.5	4.4	33.3%	2		11.48s	885	3,067	6,658

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	5.0	10.0	0.0%	0		2.69s	528	93	3,609
Muse Glimmer 30B	5.0	10.0	0.0%	0		2.50s	525	33	542

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	6.5	10.0	50.0%	0		934ms	401	27	1,770
Muse Glimmer 30B	8.4	6.9	83.3%	1		3.60s	765	139	1,467

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	8.7	7.7	88.9%	1		1.39s	771	227	5,812
Muse Glimmer 30B	7.7	10.0	66.7%	0		5.06s	795	545	2,721

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	10.0	10.0	100.0%	0		3.06s	9,130	283	4,484
Muse Glimmer 30B	10.0	10.0	100.0%	0		5.04s	9,546	385	803

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mercury 2.5	3.0	10.0	0.0%	0		5.48s	232	26	9,463
Muse Glimmer 30B	3.0	10.0	0.0%	0		9.71s	231	249	2,258

Ganti Pasangan Perbandingan