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

Claude Sonnet 5.5 (medium) vs Mercury 2 (medium)

Mercury 2 (medium) average score मध्ये पुढे आहे: 6.6 vs 6.5. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.121 vs $1.100. Mercury 2 (medium) वेगवान आहे: 4.40s vs 8.03s, pass rates 40.6% vs 53.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-17

तुलना केलेली मॉडेल्स

क्रमांक
#222
एकूण आउटपुट टोकन्स
37,748
प्रतिसाद वेळ (सरासरी)
8.03s
एकूण खर्च
$1.100
क्रमांक
#218
एकूण आउटपुट टोकन्स
96,943
प्रतिसाद वेळ (सरासरी)
4.40s
एकूण खर्च
$0.121
शिफारस केलेले मॉडेल Mercury 2 (medium)

It has the best score here (6.6), while costing about 9.2x less than Claude Sonnet 5.5 (medium).

तपशीलवार तुलना

मेट्रिक Claude Sonnet 5.5 Claude Sonnet 5.5 medium प्रकाशन: 2026-09-29 Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24
स्कोअर 6.5 6.6
क्रमांक #222 #218
विश्वसनीयता 10.0 10.0
सुसंगतता 9.7 8.1
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 40.6% 53.6%
अस्थिर चाचण्या 1 5
एकूण रन 69 69
प्रति निकाल खर्च 12.221 1.201
एकूण खर्च $1.100 $0.121
इनपुट किंमत $2.000 / 1M $0.250 / 1M
आउटपुट किंमत $10.000 / 1M $0.750 / 1M
कॅश वाचण्याची किंमत $0.200 / 1M $0.025 / 1M
कॅश लिहिण्याची किंमत $2.500 / 1M लागू नाही
एकूण इनपुट टोकन्स 361,183 189,300
आउटपुट टोकन्स 26,609 10,854
रिझनिंग टोकन्स 11,139 86,089
प्रतिसाद वेळ (सरासरी) 8.03s 4.40s
प्रतिसाद वेळ (कमाल) 51.18s 34.92s
प्रतिसाद वेळ (एकूण) 184.80s 96.81s
पॅरामीटर्स ~1T एकूण (~100B सक्रिय) ~100B
उपलब्धता बंद स्रोत बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#222 Claude Sonnet 5.5

medium
खर्च
$0.024
वेळ
17.4s
टोकन्स
2,525 tok

#218 Mercury 2

medium
खर्च
$0.002
वेळ
2.1s
टोकन्स
1,702 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Sonnet 5.5 3.4 9.7 0.0% 0 6.07s 10,608 6,767 0
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328

तुलना जोडी बदला