Mercury 2.5 (medium) vs Qwen3.5 Plus 2026-02-15

Mercury 2.5 (medium) average score मध्ये पुढे आहे: 6.4 vs 6.3. Mercury 2.5 (medium) चा benchmark खर्च कमी आहे: $0.034 vs $0.176. Mercury 2.5 (medium) वेगवान आहे: 7.74s vs 20.07s, pass rates 63.8% vs 52.2%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #206
एकूण आउटपुट टोकन्स: 138,946
प्रतिसाद वेळ (सरासरी): 7.74s
एकूण खर्च: $0.034

क्रमांक: #218
एकूण आउटपुट टोकन्स: 53,060
प्रतिसाद वेळ (सरासरी): 20.07s
एकूण खर्च: $0.176

शिफारस केलेले मॉडेल Mercury 2.5 (medium)

It has the best score here (6.4), while costing about 5.2x less than Qwen3.5 Plus 2026-02-15.

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Mercury 2.5 medium प्रकाशन: 2026-09-08	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none प्रकाशन: 2026-02-15

मेट्रिक	Mercury 2.5 Mercury 2.5 medium प्रकाशन: 2026-09-08	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none प्रकाशन: 2026-02-15
स्कोअर	6.4	6.3
क्रमांक	#206	#218
विश्वसनीयता	9.7	10.0
सुसंगतता	8.3	9.1
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	63.8%	52.2%
अस्थिर चाचण्या	5	3
एकूण रन	69	69
प्रति निकाल खर्च	0.280	1.593
एकूण खर्च	$0.034	$0.176
इनपुट किंमत	$0.040 / 1M	$0.260 / 1M
आउटपुट किंमत	$0.150 / 1M	$1.560 / 1M
एकूण इनपुट टोकन्स	317,982	346,064
आउटपुट टोकन्स	3,918	53,060
रिझनिंग टोकन्स	135,028	0
प्रतिसाद वेळ (सरासरी)	7.74s	20.07s
प्रतिसाद वेळ (कमाल)	107.89s	183.50s
प्रतिसाद वेळ (एकूण)	178.07s	341.27s
पॅरामीटर्स	~100B	~397B एकूण (~17B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#206 Mercury 2.5

medium

खर्च: $0.001
वेळ: 3.8s
टोकन्स: 3,386 tok

#218 Qwen3.5 Plus 2026-02-15

none

खर्च: $0.012
वेळ: 153.2s
टोकन्स: 7,787 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:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	4.7	3.1	33.3%	1		107.89s	226,580	780	18,037
Qwen3.5 Plus 2026-02-15	5.2	3.2	33.3%	1		183.50s	243,409	23,690	0

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		1.28s	773	192	7,122
Qwen3.5 Plus 2026-02-15	4.8	10.0	25.0%	0		1.91s	696	517	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	5.0	5.1	44.5%	2		3.70s	7,807	488	21,857
Qwen3.5 Plus 2026-02-15	4.3	7.9	11.1%	1		2.05s	7,913	473	0

संयुक्त	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		9.23s	62,336	1,073	34,370
Qwen3.5 Plus 2026-02-15	6.5	10.0	50.0%	0		64.83s	75,086	27,204	0

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		2.57s	8,385	582	9,343
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.89s	7,794	243	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	3.6	7.2	22.2%	1		4.39s	852	59	19,837
Qwen3.5 Plus 2026-02-15	7.7	10.0	66.7%	0		1.24s	798	17	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	4.4	9.9	0.0%	0		1.60s	528	98	2,364
Qwen3.5 Plus 2026-02-15	4.4	3.0	33.3%	1		2.26s	522	117	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5	6.4	6.0	66.7%	1		1.07s	520	55	2,344
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.67s	711	72	0

कोडी सोडवणे	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		1.93s	766	290	7,721
Qwen3.5 Plus 2026-02-15	7.7	10.0	66.7%	0		2.71s	714	494	0

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		3.35s	9,203	269	4,641
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		3.33s	8,211	222	0

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		4.30s	232	32	7,392
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		1.11s	210	11	0

झटपट तुलना

तुलना जोडी बदला

Gemini 3.5 FlashminimalvsMercury 2.5medium Qwen3.5 Plus 2026-02-15nonevsSolar Pro 4high Gemini 3.1 Flash LitelowvsQwen3.5 Plus 2026-02-15none Dots 3 Note Previewhighमोफत उपलब्धvsMercury 2.5medium Dots 3 Note Previewlowमोफत उपलब्धvsMercury 2.5medium Gemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15none Qwen3.5 Plus 2026-02-15nonevsSpace Bunny Alphamedium Gemini 3.5 Flash LitelowvsQwen3.5 Plus 2026-02-15none DeepSeek V3.2mediumvsQwen3.5 Plus 2026-02-15none Trinity Large ThinkinglowvsQwen3.5 Plus 2026-02-15none Mercury 2.5mediumvsLongCat 2.0none Mercury 2.5mediumvsQwen3.6 27Bnone