Mercury 2.5 (high) vs Muse Glimmer 30B (low)

Muse Glimmer 30B (low) average score मध्ये पुढे आहे: 7.1 vs 7.1. Mercury 2.5 (high) चा benchmark खर्च कमी आहे: $0.031 vs $0.143. Mercury 2.5 (high) वेगवान आहे: 4.32s vs 18.64s, pass rates 62.1% vs 63.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-08

तुलना केलेली मॉडेल्स

क्रमांक: #134
एकूण आउटपुट टोकन्स: 174,547
प्रतिसाद वेळ (सरासरी): 4.32s
एकूण खर्च: $0.031

क्रमांक: #131
एकूण आउटपुट टोकन्स: 95,970
प्रतिसाद वेळ (सरासरी): 18.64s
एकूण खर्च: $0.143

शिफारस केलेले मॉडेल Mercury 2.5 (high)

Its score stays close to the best score here (7.1 vs 7.1), while costing about 4.6x less than Muse Glimmer 30B (low).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Mercury 2.5 high प्रकाशन: 2026-09-08	Muse Glimmer 30B Muse Glimmer 30B low प्रकाशन: 2026-08-11

मेट्रिक	Mercury 2.5 Mercury 2.5 high प्रकाशन: 2026-09-08	Muse Glimmer 30B Muse Glimmer 30B low प्रकाशन: 2026-08-11
स्कोअर	7.1	7.1
क्रमांक	#134	#131
विश्वसनीयता	9.7	10.0
सुसंगतता	8.6	8.2
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	62.1%	63.6%
अस्थिर चाचण्या	4	5
एकूण रन	66	66
प्रति निकाल खर्च	0.259	1.692
एकूण खर्च	$0.031	$0.143
इनपुट किंमत	$0.040 / 1M	$0.300 / 1M
आउटपुट किंमत	$0.150 / 1M	$1.100 / 1M
एकूण इनपुट टोकन्स	120,068	130,312
आउटपुट टोकन्स	3,402	33,867
रिझनिंग टोकन्स	171,145	62,103
प्रतिसाद वेळ (सरासरी)	4.32s	18.64s
प्रतिसाद वेळ (कमाल)	23.63s	234.92s
प्रतिसाद वेळ (एकूण)	95.06s	410.18s
पॅरामीटर्स	~100B	30B
उपलब्धता	बंद स्रोत	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#134 Mercury 2.5

high

खर्च: $0.001
वेळ: 3.5s
टोकन्स: 2,447 tok

#131 Muse Glimmer 30B

low

खर्च: $0.002
वेळ: 13.5s
टोकन्स: 953 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
Mercury 2.5	10.0	10.0	100.0%	0		1.33s	782	218	7,913
Muse Glimmer 30B	8.7	8.0	91.7%	1		3.57s	810	1,054	2,240

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	6.4	7.8	44.4%	1		6.58s	7,757	415	44,012
Muse Glimmer 30B	8.1	9.9	66.7%	0		16.52s	7,419	2,759	10,173

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	6.4	5.8	66.7%	1		16.00s	91,255	1,478	62,200
Muse Glimmer 30B	3.8	5.8	33.3%	1		131.97s	102,271	24,417	33,400

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	10.0	10.0	100.0%	0		3.08s	8,355	557	9,430
Muse Glimmer 30B	10.0	10.0	100.0%	0		4.17s	7,065	1,219	1,841

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	2.9	7.2	11.1%	1		4.86s	857	78	22,452
Muse Glimmer 30B	3.5	4.4	33.3%	2		11.48s	885	3,067	6,658

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	5.0	10.0	0.0%	0		2.69s	528	93	3,609
Muse Glimmer 30B	5.0	10.0	0.0%	0		2.50s	525	33	542

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	6.5	10.0	50.0%	0		934ms	401	27	1,770
Muse Glimmer 30B	8.4	6.9	83.3%	1		3.60s	765	139	1,467

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	8.7	7.7	88.9%	1		1.39s	771	227	5,812
Muse Glimmer 30B	7.7	10.0	66.7%	0		5.06s	795	545	2,721

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	10.0	10.0	100.0%	0		3.06s	9,130	283	4,484
Muse Glimmer 30B	10.0	10.0	100.0%	0		5.04s	9,546	385	803

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	3.0	10.0	0.0%	0		5.48s	232	26	9,463
Muse Glimmer 30B	3.0	10.0	0.0%	0		9.71s	231	249	2,258

झटपट तुलना

तुलना जोडी बदला

Muse Glimmer 30BlowvsQwen3.5-122B-A10Bmedium Mercury 2.5highvsGrok 4.3medium Muse Glimmer 30BlowvsSolar Pro 4high Mercury 2.5highvsGPT-5.6 Solnone Mercury 2.5highvsStep 3.7 Flashlow DeepSeek V3.2mediumvsMercury 2.5high Muse Glimmer 30BlowvsQwen3.5 Plus 2026-04-20medium Mercury 2.5highvsQwen3.5-122B-A10Bmedium Mercury 2.5highvsGLM 5.1medium Mercury 2.5highvsGPT-5.5none Mercury 2.5highvsGrok 4.20medium Mercury 2.5highvsMuse Glimmer 30Bmedium