#143 Mercury 2
none- Biaya
- $0.002
- Waktu
- 1.8s
- Token
- 1,514 tok
Inception
Rilis: 2026-02-24
Diuji pada: 2026-05-22 00:39
inception/mercury-2::none
~100BLainnyaTertutupPerkiraan
(medium)
(none)
Ringkasan
Mercury 2 mendapat skor 4.6 di AI BENCHY dan berada di peringkat #143. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 25.0%, total biaya $0.009, dan waktu respons rata-rata 614ms.
Yang membuat Mercury 2 unik: 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.
4.6
Konsistensi
9.1
10.0
$0.009
Total token output
2,984
Total token input
0
Harga input
$0.250 / 1M
Harga output
$0.750 / 1M
Tes tidak stabil
2
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 | 4.7 | 10.0 | $0.030 | Bandingkan | |
| 2026-07-16 23:13 Tes baru ditambahkan | 4.6 | 10.0 | $0.030 | Bandingkan | |
| 2026-06-04 14:27 Tes baru ditambahkan | 4.5 | 10.0 | $0.011 | Bandingkan | |
| 2026-05-22 00:39 Suite berubah | 4.6 | 10.0 | $0.009 | Run saat ini | |
| 2026-04-11 01:44 Run pertama yang tercatat | 4.8 | T/A | $0.007 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
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 00:39 · Suite berubah | 60/60 percobaan | 4.6 | 9.1 | 10.0 | 4/20 | 2 | 2,984 | 0 | $0.009 | 614ms |
| 2026-07-16 23:13 · Tes baru ditambahkan | 66/66 percobaan | 4.6 | 9.2 | 10.0 | 4/22 | 2 | 9,564 | 88,704 | $0.030 | 829ms |
| Selisih | — | 0.0 | -0.1 | 0.0 | 0 | 0 | -6580 | -88704 | -$0.021 | -215ms |
Cakupan benchmark berbeda: 60/60 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 2nonevsCobuddymediumMercury 2nonevsGranite 4.2 8BhighMercury 2nonevsTrinity Large PreviewnoneMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashnoneMercury 2nonevsMiniMax M2.5mediumMercury 2nonevsKAT-Coder-Air V2.5noneMercury 2nonevsLaguna S 2.1noneTersedia gratisMercury 2nonevsTrinity Large ThinkinghighMercury 2nonevsGLM 4.7 Flashmedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 3.0 | 10.0 | |
| Pemrograman | 3.5 | 9.4 | |
| Gabungan | 3.0 | 10.0 | |
| Parsing dan ekstraksi data | 7.3 | 5.9 | |
| Spesifik domain | 5.3 | 7.2 | |
| Kecerdasan umum | 4.8 | 10.0 | |
| Kepatuhan instruksi | 6.5 | 10.0 | |
| Pemecahan teka-teki | 3.1 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |