Gemini 3.1 Flash Lite Preview (low) vs Mercury 2.5 Preview (high)

average score जवळपास समान आहे: 6.6 vs 6.6. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.030 vs $0.646. Mercury 2.5 Preview (high) वेगवान आहे: 4.01s vs 16.67s, pass rates 63.6% vs 65.2%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-02

क्रमांक: #153
एकूण आउटपुट टोकन्स: 412,179
प्रतिसाद वेळ (सरासरी): 16.67s
एकूण खर्च: $0.646

क्रमांक: #157
एकूण आउटपुट टोकन्स: 163,505
प्रतिसाद वेळ (सरासरी): 4.01s
एकूण खर्च: $0.030

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.6), while costing about 22.2x less than Gemini 3.1 Flash Lite Preview (low).

तपशीलवार तुलना

मेट्रिक	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low प्रकाशन: 2026-03-03	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02

मेट्रिक	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low प्रकाशन: 2026-03-03	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02
स्कोअर	6.6	6.6
क्रमांक	#153	#157
विश्वसनीयता	10.0	10.0
सुसंगतता	10.0	8.2
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	63.6%	65.2%
अस्थिर चाचण्या	0	5
एकूण रन	66	66
प्रति निकाल खर्च	4.613	0.243
एकूण खर्च	$0.646	$0.030
इनपुट किंमत	$0.250 / 1M	$0.040 / 1M
आउटपुट किंमत	$1.500 / 1M	$0.150 / 1M
एकूण इनपुट टोकन्स	110,196	115,759
आउटपुट टोकन्स	14,717	2,562
रिझनिंग टोकन्स	397,462	160,943
प्रतिसाद वेळ (सरासरी)	16.67s	4.01s
प्रतिसाद वेळ (कमाल)	309.35s	17.71s
प्रतिसाद वेळ (एकूण)	366.69s	88.25s
पॅरामीटर्स	~150B एकूण (~10B सक्रिय)	~100B
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#153 Gemini 3.1 Flash Lite Preview

low

खर्च: $0.002
वेळ: 3.7s
टोकन्स: 1,203 tok

#157 Mercury 2.5 Preview

high

खर्च: $0.001
वेळ: 4.5s
टोकन्स: 3,851 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

श्रेणी:

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	8.3	10.0	75.0%	0		2.12s	506	462	1,638
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	5.5	10.0	33.3%	0		1.39s	8,138	660	1,060
Mercury 2.5 Preview	6.7	7.8	55.6%	1		6.13s	7,751	485	42,569

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		160.63s	85,851	12,656	389,079
Mercury 2.5 Preview	3.8	1.6	50.0%	2		14.36s	95,789	765	54,789

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.00s	7,455	291	696
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.24s	8,292	560	8,522

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	7.7	10.0	66.7%	0		2.10s	652	18	1,191
Mercury 2.5 Preview	2.9	4.4	22.2%	2		5.68s	857	67	25,958

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	4.0	10.0	0.0%	0		1.54s	490	69	384
Mercury 2.5 Preview	5.1	10.0	0.0%	0		1.88s	542	94	3,300

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.49s	621	72	753
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.05s	741	94	3,777

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.69s	566	243	1,248
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.21s	774	292	6,066

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		9.54s	5,757	237	993
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.25s	0	0	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		1.35s	160	9	420
Mercury 2.5 Preview	3.0	10.0	0.0%	0		5.41s	228	24	8,954

झटपट तुलना

तुलना जोडी बदला

Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bnone Gemini 3.1 Flash Lite PreviewlowvsInkling Smallmedium Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Gemini 3.1 Flash LitelowvsMercury 2.5 Previewhigh Mercury 2.5 PreviewhighvsQwen3.5 Plus 2026-02-15none Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 35B A3Bmedium Mercury 2.5 PreviewhighvsInkling Smallmedium Mercury 2.5 PreviewhighvsQwen3.5-27Bnone Gemini 3.5 Flash LitelowvsMercury 2.5 Previewhigh Gemini 3.1 Flash Lite PreviewlowvsLongCat 2.0high Mercury 2.5 PreviewhighvsQwen3.6 27Bmedium Mercury 2.5 PreviewhighvsLaguna XS 2.1mediumमोफत उपलब्ध