#90 Mercury 2
medium- Biaya
- $0.002
- Waktu
- 2.1s
- Token
- 1,702 tok
Inception
Rilis: 2026-02-24
Diuji pada: 2026-05-22 00:40
inception/mercury-2::medium
~100BLainnyaTertutupPerkiraan
(medium)
(none)
Ringkasan
Mercury 2 mendapat skor 6.3 di AI BENCHY dan berada di peringkat #90. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 50.0%, total biaya $0.055, dan waktu respons rata-rata 2.27s.
Yang membuat Mercury 2 unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Trik anti-AI adalah area terlemahnya di #18. Model ini terasa cepat dibandingkan model serupa.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~100B
- Arsitektur
- Lainnya
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
6.3
Konsistensi
8.4
10.0
$0.055
Total token output
62,397
Total token input
0
Harga input
$0.250 / 1M
Harga output
$0.750 / 1M
Harga baca cache
T/A
Harga tulis cache
T/A
Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.
Tes tidak stabil
4
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 03:05 Uji ulang | 7.0 | 10.0 | $0.094 | Bandingkan | |
| 2026-07-16 23:14 Tes baru ditambahkan | 7.0 | 10.0 | $0.093 | Bandingkan | |
| 2026-06-04 14:27 Tes baru ditambahkan | 6.6 | 10.0 | $0.058 | Bandingkan | |
| 2026-05-22 00:40 Uji ulang | 6.3 | 10.0 | $0.055 | Run saat ini | |
| 2026-04-11 01:44 Run pertama yang tercatat | 6.5 | T/A | $0.047 | Bandingkan |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:40 · Uji ulang | 60/60 percobaan | 6.3 | 8.4 | 10.0 | 8/20 | 4 | 62,397 | 0 | $0.055 | 2.27s |
| 2026-04-11 01:44 · Run pertama yang tercatat | 54/54 percobaan | 6.5 | 8.6 | T/A | 8/18 | 3 | 52,305 | 0 | $0.047 | 2.21s |
| Selisih | — | -0.2 | -0.2 | 0 | +1 | +10092 | 0 | +$0.009 | +65ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 54/54 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Perbandingan Cepat
Mercury 2mediumvsLongCat 2.0lowMercury 2mediumvsStep 3.7 FlashhighMercury 2mediumvsQwen3.7 FlashmediumMercury 2mediumvsBeam 1.0 501B A23BmediumMercury 2mediumvsGLM 5.2noneMercury 2mediumvsKAT-Coder-Pro V2.5lowMercury 2mediumvsGPT-5.5noneMercury 2mediumvsClaude Sonnet 5.5mediumMercury 2mediumvsGLM 5.3 FlashlowMercury 2mediumvsQwen3.6 35B A3Bmedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.9 | 9.9 | |
| Pemrograman | 7.2 | 6.5 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 7.3 | 5.9 | |
| Spesifik domain | 2.9 | 7.2 | |
| Kecerdasan umum | 4.8 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 3.8 | 7.3 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |