Mercury 2.5 Preview (high) vs Qwen3.6 27B (medium)

Mercury 2.5 Preview (high) average score मध्ये पुढे आहे: 6.6 vs 6.5. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.030 vs $1.045. Mercury 2.5 Preview (high) वेगवान आहे: 4.01s vs 106.06s, pass rates 65.2% vs 60.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-02

क्रमांक: #157
एकूण आउटपुट टोकन्स: 163,505
प्रतिसाद वेळ (सरासरी): 4.01s
एकूण खर्च: $0.030

क्रमांक: #159
एकूण आउटपुट टोकन्स: 272,573
प्रतिसाद वेळ (सरासरी): 106.06s
एकूण खर्च: $1.045

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.6), while costing about 35.8x less than Qwen3.6 27B (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Qwen3.6 27B Qwen3.6 27B medium प्रकाशन: 2026-04-20

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Qwen3.6 27B Qwen3.6 27B medium प्रकाशन: 2026-04-20
स्कोअर	6.6	6.5
क्रमांक	#157	#159
विश्वसनीयता	10.0	10.0
सुसंगतता	8.2	7.6
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	65.2%	60.6%
अस्थिर चाचण्या	5	7
एकूण रन	66	66
प्रति निकाल खर्च	0.243	7.448
एकूण खर्च	$0.030	$1.045
इनपुट किंमत	$0.040 / 1M	$0.600 / 1M
आउटपुट किंमत	$0.150 / 1M	$3.600 / 1M
एकूण इनपुट टोकन्स	115,759	106,176
आउटपुट टोकन्स	2,562	33,013
रिझनिंग टोकन्स	160,943	239,560
प्रतिसाद वेळ (सरासरी)	4.01s	106.06s
प्रतिसाद वेळ (कमाल)	17.71s	1085.11s
प्रतिसाद वेळ (एकूण)	88.25s	2333.36s
पॅरामीटर्स	~100B	27B
उपलब्धता	बंद स्रोत	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#157 Mercury 2.5 Preview

high

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

#159 Qwen3.6 27B

medium

खर्च: $0.009
वेळ: 39.6s
टोकन्स: 3,090 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 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008
Qwen3.6 27B	8.3	10.0	75.0%	0		12.62s	453	582	4,311

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
Qwen3.6 27B	7.7	10.0	66.7%	0		142.99s	5,051	7,968	43,367

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
Qwen3.6 27B	6.7	3.7	50.0%	2		584.09s	81,895	18,788	133,471

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
Qwen3.6 27B	3.5	1.4	50.0%	2		37.30s	7,778	568	9,404

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
Qwen3.6 27B	2.9	4.4	22.2%	2		71.47s	671	3,634	18,609

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
Qwen3.6 27B	6.5	3.4	66.7%	1		39.53s	516	81	3,045

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
Qwen3.6 27B	10.0	10.0	100.0%	0		37.96s	699	346	6,548

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
Qwen3.6 27B	7.7	10.0	66.7%	0		61.14s	696	255	12,044

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
Qwen3.6 27B	10.0	10.0	100.0%	0		16.88s	8,213	390	2,954

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
Qwen3.6 27B	3.0	10.0	0.0%	0		80.99s	204	401	5,807

झटपट तुलना

तुलना जोडी बदला