Mercury 2.5 Preview (high) vs GLM 5.1

average score जवळपास समान आहे: 6.5 vs 6.5. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.039 vs $0.311. Mercury 2.5 Preview (high) वेगवान आहे: 7.61s vs 11.10s, pass rates 65.2% vs 47.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #193
एकूण आउटपुट टोकन्स: 180,597
प्रतिसाद वेळ (सरासरी): 7.61s
एकूण खर्च: $0.039

क्रमांक: #196
एकूण आउटपुट टोकन्स: 20,076
प्रतिसाद वेळ (सरासरी): 11.10s
एकूण खर्च: $0.311

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.5), while costing about 8.1x less than GLM 5.1.

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	GLM 5.1 GLM 5.1 none प्रकाशन: 2026-04-07

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	GLM 5.1 GLM 5.1 none प्रकाशन: 2026-04-07
स्कोअर	6.5	6.5
क्रमांक	#193	#196
विश्वसनीयता	9.9	10.0
सुसंगतता	8.0	8.2
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	65.2%	47.8%
अस्थिर चाचण्या	6	5
एकूण रन	69	69
प्रति निकाल खर्च	0.319	3.478
एकूण खर्च	$0.039	$0.311
इनपुट किंमत	$0.000 / 1M	$0.965 / 1M
आउटपुट किंमत	$0.000 / 1M	$3.032 / 1M
एकूण इनपुट टोकन्स	298,512	258,956
आउटपुट टोकन्स	3,178	20,076
रिझनिंग टोकन्स	177,419	0
प्रतिसाद वेळ (सरासरी)	7.61s	11.10s
प्रतिसाद वेळ (कमाल)	86.84s	107.19s
प्रतिसाद वेळ (एकूण)	175.08s	255.39s
पॅरामीटर्स	~100B	744B एकूण (40B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#193 Mercury 2.5 Preview

high

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

#196 GLM 5.1

none

Reached the allocated time limit (300 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 300.0s
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

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
GLM 5.1	10.0	10.0	100.0%	0		107.19s	134,737	5,683	0

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
GLM 5.1	4.0	6.3	25.0%	2		2.11s	555	305	0

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
GLM 5.1	3.9	9.7	0.0%	0		4.96s	7,256	525	0

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
GLM 5.1	2.8	1.8	33.3%	2		46.88s	99,907	12,768	0

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
GLM 5.1	10.0	10.0	100.0%	0		1.08s	7,107	204	0

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
GLM 5.1	5.3	7.2	44.4%	1		2.27s	697	24	0

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
GLM 5.1	5.0	10.0	0.0%	0		790ms	477	39	0

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
GLM 5.1	9.8	10.0	100.0%	0		1.98s	636	66	0

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
GLM 5.1	7.7	10.0	66.7%	0		1.45s	609	151	0

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
GLM 5.1	10.0	10.0	100.0%	0		10.68s	6,789	300	0

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
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

झटपट तुलना

तुलना जोडी बदला

KAT-Coder-Pro V2.5highvsGLM 5.1none Grok 4.3mediumvsGLM 5.1none Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Laguna XS 2.1mediumमोफत उपलब्धvsGLM 5.1none Mercury 2.5 PreviewhighvsGLM 5.3low Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Mercury 2.5highvsGLM 5.1none Mercury 2.5 PreviewhighvsGLM 5.2none Mercury 2.5 PreviewhighvsGrok 4.3medium Qwen3.6 35B A3BmediumvsGLM 5.1none Solar Pro 4mediumvsGLM 5.1none Mercury 2.5 PreviewhighvsLaguna XS 2.1mediumमोफत उपलब्ध