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

Mercury 2.5 vs gpt-oss-120b

average score जवळपास समान आहे: 4.1 vs 4.2. gpt-oss-120b चा benchmark खर्च कमी आहे: $0.016 vs $0.026. Mercury 2.5 वेगवान आहे: 5.10s vs 28.63s, pass rates 24.6% vs 34.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-19

तुलना केलेली मॉडेल्स

क्रमांक
#397
एकूण आउटपुट टोकन्स
89,958
प्रतिसाद वेळ (सरासरी)
5.10s
एकूण खर्च
$0.026
क्रमांक
#395
एकूण आउटपुट टोकन्स
62,213
प्रतिसाद वेळ (सरासरी)
28.63s
एकूण खर्च
$0.016
शिफारस केलेले मॉडेल Mercury 2.5

It has the best score here (4.1), while responding about 5.6x faster than gpt-oss-120b.

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Mercury 2.5 none प्रकाशन: 2026-09-08 gpt-oss-120b gpt-oss-120b none प्रकाशन: 2025-08-05
स्कोअर 4.1 4.2
क्रमांक #397 #395
विश्वसनीयता 10.0 10.0
सुसंगतता 7.6 7.6
प्रयत्न 69/69 60/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 24.6% 34.8%
अस्थिर चाचण्या 7 3
एकूण रन 69 60
प्रति निकाल खर्च 1.298 0.274
एकूण खर्च $0.026 $0.016
इनपुट किंमत $0.040 / 1M $0.037 / 1M
आउटपुट किंमत $0.150 / 1M $0.170 / 1M
कॅश वाचण्याची किंमत $0.004 / 1M लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 311,488 131,652
आउटपुट टोकन्स 89,958 16,869
रिझनिंग टोकन्स 0 53,081
प्रतिसाद वेळ (सरासरी) 5.10s 28.63s
प्रतिसाद वेळ (कमाल) 63.41s 140.90s
प्रतिसाद वेळ (एकूण) 117.24s 486.69s
पॅरामीटर्स ~100B 117B एकूण (5.1B सक्रिय)
उपलब्धता बंद स्रोत मुक्त 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.

#397 Mercury 2.5

none
खर्च
$0.001
वेळ
2.7s
टोकन्स
2,749 tok

#395 gpt-oss-120b

none
या मॉडेलसाठी अद्याप कोणताही शोकेस निकाल तयार झालेला नाही.
खर्च
लागू नाही
वेळ
-
टोकन्स
0 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
Mercury 2.5 3.7 7.0 22.2% 1 12.50s 7,888 61,297 0
gpt-oss-120b 1.5 0.4 22.2% 1 9.57s 901 204 3,028

तुलना जोडी बदला

gpt-oss-120bnonevsGLM 4.7 FlashmediumMercury 2.5nonevsQwen3.5-9BmediumMercury 2.5nonevsGLM 4.7 FlashmediumMiniMax M2.5mediumvsgpt-oss-120bnonegpt-oss-120bnonevsQwen3.5-9BmediumMercury 2.5nonevsMiniMax M2.5mediumCobuddymediumमोफत उपलब्धvsgpt-oss-120bnoneCobuddymediumमोफत उपलब्धvsMercury 2.5noneTrinity Large Previewdefaultमोफत उपलब्धvsgpt-oss-120bnoneKAT Coder AIR V2.5defaultvsgpt-oss-120bnoneMercury 2.5nonevsLing 3.0 TinydefaultGranite 4.1 8bdefaultvsMercury 2.5none