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

average score जवळपास समान आहे: 6.5 vs 6.5. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.040 vs $0.688. Mercury 2.5 Preview (high) वेगवान आहे: 7.61s vs 9.18s, pass rates 65.2% vs 63.8%.

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: #226
एकूण आउटपुट टोकन्स: 158,497
प्रतिसाद वेळ (सरासरी): 9.18s
एकूण खर्च: $0.688

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.5), while costing about 17.6x less than Beam 1.0 501B A23B (xhigh).

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 xhigh प्रकाशन: 2026-10-17

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	Beam 1.0 501B A23B Beam 1.0 501B A23B xhigh प्रकाशन: 2026-10-17
स्कोअर	6.5	6.5
क्रमांक	#224	#226
विश्वसनीयता	9.9	10.0
सुसंगतता	8.0	8.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	65.2%	63.8%
अस्थिर चाचण्या	6	5
एकूण रन	69	69
प्रति निकाल खर्च	0.319	5.730
एकूण खर्च	$0.040	$0.688
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	212,065
आउटपुट टोकन्स	3,178	4,428
रिझनिंग टोकन्स	177,419	154,069
प्रतिसाद वेळ (सरासरी)	7.61s	9.18s
प्रतिसाद वेळ (कमाल)	86.84s	44.64s
प्रतिसाद वेळ (एकूण)	175.08s	211.12s
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

#226 Beam 1.0 501B A23B

xhigh

खर्च: $0.009
वेळ: 16.5s
टोकन्स: 6,827 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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		44.64s	181,898	2,416	18,550

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
Beam 1.0 501B A23B	9.2	8.4	91.7%	1		1.52s	1,125	355	3,764

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		20.68s	7,801	585	46,192

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		2.68s	7,671	132	2,097

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
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.60s	7,998	271	2,047

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
Beam 1.0 501B A23B	5.9	7.2	55.6%	1		20.22s	1,122	72	59,707

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
Beam 1.0 501B A23B	5.1	3.4	33.3%	1		2.50s	618	87	2,749

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
Beam 1.0 501B A23B	9.8	10.0	100.0%	0		1.15s	925	90	1,631

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
Beam 1.0 501B A23B	5.8	4.4	66.7%	2		4.46s	1,038	309	9,948

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		1.84s	1,533	72	465

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		9.10s	336	39	6,919

तुलना जोडी बदला

Mercury 2.5highvsBeam 1.0 501B A23Bxhigh Beam 1.0 501B A23BxhighvsGLM 5.3low Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Mercury 2.5 PreviewhighvsGLM 5.3low Beam 1.0 501B A23BxhighvsGLM 5.1none Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Qwen3.6 35B A3BmediumvsBeam 1.0 501B A23Bxhigh KAT-Coder-Pro V2.5highvsBeam 1.0 501B A23Bxhigh Beam 1.0 501B A23BxhighvsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.1none Claude Sonnet 5.5mediumvsBeam 1.0 501B A23Bxhigh Laguna XS 2.1mediumमोफत उपलब्धvsBeam 1.0 501B A23Bxhigh