Mercury 2.5 Preview (high) vs Laguna XS 2.1 (medium)

average score जवळपास समान आहे: 6.5 vs 6.4. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.040 vs $0.083. Mercury 2.5 Preview (high) वेगवान आहे: 7.61s vs 48.97s, pass rates 65.2% vs 46.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-16

तुलना केलेली मॉडेल्स

क्रमांक: #223
एकूण आउटपुट टोकन्स: 180,597
प्रतिसाद वेळ (सरासरी): 7.61s
एकूण खर्च: $0.040

क्रमांक: #229
एकूण आउटपुट टोकन्स: 514,966
प्रतिसाद वेळ (सरासरी): 48.97s
एकूण खर्च: $0.083

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.5), while costing about 2.1x less than Laguna XS 2.1 (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Laguna XS 2.1 Laguna XS 2.1 medium प्रकाशन: 2026-07-02 मोफत उपलब्ध

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Laguna XS 2.1 Laguna XS 2.1 medium प्रकाशन: 2026-07-02 मोफत उपलब्ध
स्कोअर	6.5	6.4
क्रमांक	#223	#229
विश्वसनीयता	9.9	10.0
सुसंगतता	8.0	9.0
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	65.2%	46.4%
अस्थिर चाचण्या	6	3
एकूण रन	69	69
प्रति निकाल खर्च	0.319	0.922
एकूण खर्च	$0.040	$0.083
इनपुट किंमत	$0.040 / 1M	$0.060 / 1M
आउटपुट किंमत	$0.150 / 1M	$0.120 / 1M
कॅश वाचण्याची किंमत	लागू नाही	$0.030 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	298,512	352,516
आउटपुट टोकन्स	3,178	33,786
रिझनिंग टोकन्स	177,419	504,506
प्रतिसाद वेळ (सरासरी)	7.61s	48.97s
प्रतिसाद वेळ (कमाल)	86.84s	422.72s
प्रतिसाद वेळ (एकूण)	175.08s	1126.35s
पॅरामीटर्स	~100B	33B एकूण (3B सक्रिय)
उपलब्धता	बंद स्रोत	वेट्स उपलब्ध

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.

#223 Mercury 2.5 Preview

high

खर्च: $0.001
वेळ: 4.5s
टोकन्स: 3,851 tok

#229 Laguna XS 2.1

medium

खर्च: $0.001
वेळ: 30.6s
टोकन्स: 4,678 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 Preview	6.1	3.1	66.7%	1		86.84s	182,753	616	16,476
Laguna XS 2.1	6.1	3.1	66.7%	1		66.42s	233,518	3,036	12,776

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 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008
Laguna XS 2.1	4.8	10.0	25.0%	0		41.96s	774	353	73,090

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	6.7	7.8	55.6%	1		6.13s	7,751	485	42,569
Laguna XS 2.1	5.5	10.0	33.3%	0		70.35s	7,995	23,767	83,258

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.8	1.6	50.0%	2		14.36s	95,789	765	54,789
Laguna XS 2.1	6.3	10.0	50.0%	0		218.07s	91,698	5,496	229,064

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 Preview	10.0	10.0	100.0%	0		2.24s	8,292	560	8,522
Laguna XS 2.1	10.0	10.0	100.0%	0		4.50s	7,734	234	3,129

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	2.9	4.4	22.2%	2		5.68s	857	67	25,958
Laguna XS 2.1	3.5	4.4	33.3%	2		67.48s	843	17	91,430

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	5.1	10.0	0.0%	0		1.88s	542	94	3,300
Laguna XS 2.1	5.0	10.0	0.0%	0		4.15s	537	119	1,375

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.05s	741	94	3,777
Laguna XS 2.1	9.8	10.0	100.0%	0		2.57s	753	82	1,844

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.21s	774	292	6,066
Laguna XS 2.1	5.3	10.0	33.3%	0		3.43s	771	357	3,355

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.25s	0	0	0
Laguna XS 2.1	10.0	10.0	100.0%	0		3.01s	7,638	309	748

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.0	10.0	0.0%	0		5.41s	228	24	8,954
Laguna XS 2.1	3.0	10.0	0.0%	0		10.88s	255	16	4,437

तुलना जोडी बदला

Laguna XS 2.1mediumमोफत उपलब्धvsQwen3.5-122B-A10Bnone KAT-Coder-Pro V2.5highvsLaguna XS 2.1mediumमोफत उपलब्ध Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Gemini 3 Flash PreviewnonevsLaguna XS 2.1mediumमोफत उपलब्ध Laguna XS 2.1mediumमोफत उपलब्धvsGLM 5.1none Mercury 2.5 PreviewhighvsGLM 5.3low Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Laguna XS 2.1mediumमोफत उपलब्धvsGLM 5.3low Mercury 2.5 PreviewhighvsGLM 5.1none Mercury 2.5highvsLaguna XS 2.1mediumमोफत उपलब्ध Mercury 2.5 PreviewhighvsGrok 4.3medium Mercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low