नेव्हिगेशन
Advertise here

Mercury 2.5 Preview (high) vs Beam 1.0 501B A23B (medium)

Beam 1.0 501B A23B (medium) average score मध्ये पुढे आहे: 6.6 vs 6.5. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.040 vs $0.499. Beam 1.0 501B A23B (medium) वेगवान आहे: 6.27s vs 7.61s, pass rates 65.2% vs 65.2%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-17

तुलना केलेली मॉडेल्स

क्रमांक
#224
एकूण आउटपुट टोकन्स
180,597
प्रतिसाद वेळ (सरासरी)
7.61s
एकूण खर्च
$0.040
क्रमांक
#220
एकूण आउटपुट टोकन्स
98,521
प्रतिसाद वेळ (सरासरी)
6.27s
एकूण खर्च
$0.499
शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

Its score stays close to the best score here (6.5 vs 6.6), while costing about 12.8x less than Beam 1.0 501B A23B (medium).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02 Beam 1.0 501B A23B Beam 1.0 501B A23B medium प्रकाशन: 2026-10-17
स्कोअर 6.5 6.6
क्रमांक #224 #220
विश्वसनीयता 9.9 10.0
सुसंगतता 8.0 9.3
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 65.2%
अस्थिर चाचण्या 6 2
एकूण रन 69 69
प्रति निकाल खर्च 0.319 3.561
एकूण खर्च $0.040 $0.499
इनपुट किंमत $0.040 / 1M $1.000 / 1M
आउटपुट किंमत $0.150 / 1M $3.000 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.100 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 298,512 202,937
आउटपुट टोकन्स 3,178 4,328
रिझनिंग टोकन्स 177,419 94,193
प्रतिसाद वेळ (सरासरी) 7.61s 6.27s
प्रतिसाद वेळ (कमाल) 86.84s 31.55s
प्रतिसाद वेळ (एकूण) 175.08s 144.28s
पॅरामीटर्स ~100B 501B एकूण (23B 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.

#224 Mercury 2.5 Preview

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

#220 Beam 1.0 501B A23B

medium
खर्च
$0.005
वेळ
11.8s
टोकन्स
4,267 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 Preview 6.7 7.8 55.6% 1 6.13s 7,751 485 42,569
Beam 1.0 501B A23B 10.0 10.0 100.0% 0 11.81s 7,791 440 27,204

झटपट तुलना

तुलना जोडी बदला

KAT-Coder-Pro V2.5lowvsBeam 1.0 501B A23BmediumBeam 1.0 501B A23BmediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsQwen3.6 35B A3BmediumMercury 2.5 PreviewhighvsBeam 1.0 501B A23BxhighMercury 2.5 PreviewhighvsGLM 5.3lowClaude Sonnet 5.5mediumvsMercury 2.5 PreviewhighMercury 2.5 PreviewhighvsGLM 5.1noneLongCat 2.0lowvsBeam 1.0 501B A23BmediumMercury 2.5 PreviewhighvsGrok 4.3mediumMercury 2.5 PreviewhighvsLaguna XS 2.1mediumमोफत उपलब्धMercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5lowMercury 2.5 PreviewhighvsQwen3.5-122B-A10Bnone