Gemini 3.1 Flash Lite Preview (medium) vs Mercury 2.5 Preview (medium)

average score जवळपास समान आहे: 7.4 vs 7.5. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.024 vs $0.117. Mercury 2.5 Preview (medium) वेगवान आहे: 3.58s vs 4.59s, pass rates 63.6% vs 69.7%.

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

क्रमांक: #94
एकूण आउटपुट टोकन्स: 57,778
प्रतिसाद वेळ (सरासरी): 4.59s
एकूण खर्च: $0.117

क्रमांक: #91
एकूण आउटपुट टोकन्स: 127,034
प्रतिसाद वेळ (सरासरी): 3.58s
एकूण खर्च: $0.024

शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

It has the best score here (7.5), while costing about 4.9x less than Gemini 3.1 Flash Lite Preview (medium).

तपशीलवार तुलना

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

मेट्रिक	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium प्रकाशन: 2026-03-03	Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02
स्कोअर	7.4	7.5
क्रमांक	#94	#91
विश्वसनीयता	10.0	10.0
सुसंगतता	9.9	9.6
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	63.6%	69.7%
अस्थिर चाचण्या	0	1
एकूण रन	66	66
प्रति निकाल खर्च	0.829	0.158
एकूण खर्च	$0.117	$0.024
इनपुट किंमत	$0.250 / 1M	$0.040 / 1M
आउटपुट किंमत	$1.500 / 1M	$0.150 / 1M
एकूण इनपुट टोकन्स	117,493	112,713
आउटपुट टोकन्स	10,589	5,436
रिझनिंग टोकन्स	47,189	121,598
प्रतिसाद वेळ (सरासरी)	4.59s	3.58s
प्रतिसाद वेळ (कमाल)	18.34s	17.84s
प्रतिसाद वेळ (एकूण)	101.04s	78.66s
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.

#94 Gemini 3.1 Flash Lite Preview

medium

खर्च: $0.003
वेळ: 5.2s
टोकन्स: 1,944 tok

#91 Mercury 2.5 Preview

medium

खर्च: $0.001
वेळ: 2.7s
टोकन्स: 2,241 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	9.1	10.0	75.0%	0		2.33s	512	570	4,305
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.43s	781	203	7,921

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		4.09s	8,126	461	8,597
Mercury 2.5 Preview	7.8	10.0	66.7%	0		3.86s	7,839	552	22,126

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	7.2	9.1	50.0%	0		16.63s	93,097	8,706	16,997
Mercury 2.5 Preview	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588

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		2.29s	7,362	279	2,952
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.77s	8,292	514	11,354

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	5.3	10.0	33.3%	0		4.09s	652	18	6,120
Mercury 2.5 Preview	5.3	7.2	44.4%	1		3.72s	853	62	17,120

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	10.0	10.0	100.0%	0		3.16s	488	96	1,488
Mercury 2.5 Preview	5.0	10.0	0.0%	0		2.09s	538	99	3,375

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		1.91s	621	72	2,121
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.35s	744	96	3,987

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	7.7	10.0	66.7%	0		5.30s	566	141	1,896
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.87s	771	274	7,323

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		3.80s	5,909	234	912
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.37s	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		2.68s	160	12	1,801
Mercury 2.5 Preview	3.0	10.0	0.0%	0		4.13s	232	29	6,804

झटपट तुलना

तुलना जोडी बदला

Gemini 3.1 Flash Lite PreviewmediumvsQwen3.7 Maxnone Mercury 2.5 PreviewmediumvsGPT 5.3 Chatnone Mercury 2.5 PreviewmediumvsGPT-5.6 Terralow Mercury 2.5 PreviewmediumvsQwen3.7 Maxnone Gemini 3.1 Flash Lite PreviewmediumvsGPT 5.3 Chatnone Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow Gemini 3.1 Flash Lite PreviewmediumvsQwen3.8 2.4T A95Bhigh Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.6low Mercury 2.5 PreviewmediumvsQwen3.8 2.4T A95Bhigh Claude Opus 5nonevsMercury 2.5 Previewmedium Mercury 2.5 PreviewmediumvsSolar Pro 4xhigh Mercury 2.5 PreviewmediumvsGrok 4.6low