#59 Mercury 2
medium- Biaya
- $0.002
- Waktu
- 2.1s
- Token
- 1,702 tok
Inception
Rilis: 2026-02-24
Diuji pada: 2026-04-11 01:44
inception/mercury-2::medium
~100BLainnyaTertutupPerkiraan
(medium)
(none)
Ringkasan
Mercury 2 mendapat skor 6.5 di AI BENCHY dan berada di peringkat #59. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 53.7%, total biaya $0.047, dan waktu respons rata-rata 2.21s.
Yang membuat Mercury 2 unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Trik anti-AI adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya. 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.
6.5
Konsistensi
8.6
T/A
$0.047
Total token output
52,305
Total token input
0
Harga input
$0.250 / 1M
Harga output
$0.750 / 1M
Tes tidak stabil
3
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 | Bandingkan | |
| 2026-04-11 01:44 Run pertama yang tercatat | 6.5 | T/A | $0.047 | Run saat ini |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 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 |
| 2026-08-14 03:05 · Uji ulang | 66/66 percobaan | 7.0 | 8.4 | 10.0 | 10/22 | 4 | 87,554 | 110,515 | $0.094 | 2.95s |
| Selisih | — | -0.5 | +0.2 | -2 | -1 | -35249 | -110515 | -$0.047 | -740ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 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 2mediumvsGPT-5.5noneMercury 2mediumvsGrok 4.20mediumMercury 2mediumvsGLM 5.1mediumMercury 2mediumvsSeed-2.0-MinimediumMercury 2mediumvsDeepSeek V3.2mediumMercury 2mediumvsKimi K2.5mediumMercury 2mediumvsGPT-5.6 SolnoneMercury 2mediumvsKAT-Coder-Pro V2.5mediumMercury 2mediumvsGrok 4.3mediumMercury 2mediumvsClaude Fable 5.1low
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.9 | 9.9 | |
| Pemrograman | 10.0 | 10.0 | |
| 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 | 3.9 | 7.5 | |
| Pemanggilan alat | 10.0 | 10.0 |