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

Granite 4.2 8B (high) vs Mercury 2.5 Preview (default)

average score जवळपास समान आहे: 4.7 vs 4.7. Mercury 2.5 Preview (default) चा benchmark खर्च कमी आहे: $0.023 vs $0.111. Mercury 2.5 Preview (default) वेगवान आहे: 7.05s vs 235.35s, pass rates 37.7% vs 29.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-16

तुलना केलेली मॉडेल्स

क्रमांक
#423
एकूण आउटपुट टोकन्स
576,052
प्रतिसाद वेळ (सरासरी)
235.35s
एकूण खर्च
$0.111
क्रमांक
#419
एकूण आउटपुट टोकन्स
86,367
प्रतिसाद वेळ (सरासरी)
7.05s
एकूण खर्च
$0.023
शिफारस केलेले मॉडेल Mercury 2.5 Preview (default)

It has the best score here (4.7), while costing about 4.8x less than Granite 4.2 8B (high).

तपशीलवार तुलना

मेट्रिक Granite 4.2 8B Granite 4.2 8B high प्रकाशन: 2026-09-02 Mercury 2.5 Preview Mercury 2.5 Preview default प्रकाशन: 2026-09-02
स्कोअर 4.7 4.7
क्रमांक #423 #419
विश्वसनीयता 8.2 9.9
सुसंगतता 6.4 8.3
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 37.7% 29.0%
अस्थिर चाचण्या 10 5
एकूण रन 69 69
प्रति निकाल खर्च 2.751 0.559
एकूण खर्च $0.111 $0.023
इनपुट किंमत $0.060 / 1M $0.040 / 1M
आउटपुट किंमत $0.250 / 1M $0.150 / 1M
कॅश वाचण्याची किंमत $0.015 / 1M लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 282,658 250,541
आउटपुट टोकन्स 198,563 86,367
रिझनिंग टोकन्स 462,804 0
प्रतिसाद वेळ (सरासरी) 235.35s 7.05s
प्रतिसाद वेळ (कमाल) 685.87s 84.96s
प्रतिसाद वेळ (एकूण) 5413.09s 162.25s
पॅरामीटर्स 8B ~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.

#423 IBM: Granite 4.2 8B

high
Provider returned error
खर्च
$0.000
वेळ
0.2s
टोकन्स
0 tok

#419 Mercury 2.5 Preview

default
अवैध SVG
खर्च
$0.001
वेळ
3.3s
टोकन्स
3,122 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
Granite 4.2 8B 3.8 4.3 33.3% 2 515.34s 7,047 42,438 154,749
Mercury 2.5 Preview 4.7 7.9 22.2% 1 459ms 7,850 650 0

तुलना जोडी बदला