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

DeepSeek V3.2 (medium) vs Mercury 2.5 (high)

Mercury 2.5 (high) average score मध्ये पुढे आहे: 6.5 vs 6.3. Mercury 2.5 (high) चा benchmark खर्च कमी आहे: $0.044 vs $0.152. Mercury 2.5 (high) वेगवान आहे: 7.62s vs 70.08s, pass rates 62.3% vs 59.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#304
एकूण आउटपुट टोकन्स
139,141
प्रतिसाद वेळ (सरासरी)
70.08s
एकूण खर्च
$0.152
क्रमांक
#271
एकूण आउटपुट टोकन्स
193,676
प्रतिसाद वेळ (सरासरी)
7.62s
एकूण खर्च
$0.044
शिफारस केलेले मॉडेल Mercury 2.5 (high)

It has the best score here (6.5), while costing about 3.5x less than DeepSeek V3.2 (medium).

तपशीलवार तुलना

मेट्रिक DeepSeek V3.2 DeepSeek V3.2 medium प्रकाशन: 2025-12-01 Mercury 2.5 Mercury 2.5 high प्रकाशन: 2026-09-08
स्कोअर 6.3 6.5
क्रमांक #304 #271
विश्वसनीयता 10.0 9.8
सुसंगतता 7.5 8.7
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 62.3% 59.4%
अस्थिर चाचण्या 7 4
एकूण रन 69 69
प्रति निकाल खर्च 1.250 0.362
एकूण खर्च $0.152 $0.044
इनपुट किंमत $0.280 / 1M $0.040 / 1M
आउटपुट किंमत $0.420 / 1M $0.150 / 1M
कॅश वाचण्याची किंमत $0.028 / 1M $0.004 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 306,662 358,562
आउटपुट टोकन्स 17,819 4,266
रिझनिंग टोकन्स 125,341 189,410
प्रतिसाद वेळ (सरासरी) 70.08s 7.62s
प्रतिसाद वेळ (कमाल) 376.10s 80.30s
प्रतिसाद वेळ (एकूण) 1611.86s 175.36s
पॅरामीटर्स 671B एकूण (37B सक्रिय) ~100B
उपलब्धता मुक्त 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.

#304 DeepSeek V3.2

medium
खर्च
$0.001
वेळ
53.6s
टोकन्स
1,932 tok

#271 Mercury 2.5

high
खर्च
$0.001
वेळ
3.5s
टोकन्स
2,447 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
DeepSeek V3.2 6.0 7.2 55.6% 1 248.68s 5,717 649 52,014
Mercury 2.5 6.4 7.8 44.4% 1 6.58s 7,757 415 44,012