Mercury 2.5 Preview (high) vs GLM 5.3 (low)

average score जवळपास समान आहे: 6.5 vs 6.5. Mercury 2.5 Preview (high) चा benchmark खर्च कमी आहे: $0.039 vs $0.473. Mercury 2.5 Preview (high) वेगवान आहे: 7.61s vs 15.28s, pass rates 65.2% vs 63.8%.

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: #195
एकूण आउटपुट टोकन्स: 28,602
प्रतिसाद वेळ (सरासरी): 15.28s
एकूण खर्च: $0.473

शिफारस केलेले मॉडेल Mercury 2.5 Preview (high)

It has the best score here (6.5), while costing about 12.4x less than GLM 5.3 (low).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	GLM 5.3 GLM 5.3 low प्रकाशन: 2026-08-20

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02	GLM 5.3 GLM 5.3 low प्रकाशन: 2026-08-20
स्कोअर	6.5	6.5
क्रमांक	#193	#195
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	3.936
एकूण खर्च	$0.039	$0.473
इनपुट किंमत	$0.000 / 1M	$1.400 / 1M
आउटपुट किंमत	$0.000 / 1M	$4.400 / 1M
एकूण इनपुट टोकन्स	298,512	247,436
आउटपुट टोकन्स	3,178	11,005
रिझनिंग टोकन्स	177,419	17,597
प्रतिसाद वेळ (सरासरी)	7.61s	15.28s
प्रतिसाद वेळ (कमाल)	86.84s	83.60s
प्रतिसाद वेळ (एकूण)	175.08s	351.49s
पॅरामीटर्स	~100B	744B एकूण (40B सक्रिय)
उपलब्धता	बंद स्रोत	बंद 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

#195 GLM 5.3

low

खर्च: $0.007
वेळ: 28.4s
टोकन्स: 1,599 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 5.3	5.2	3.2	33.3%	1		51.27s	142,447	2,473	1,321

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 5.3	6.9	7.9	66.7%	1		4.16s	639	266	249

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 5.3	6.2	6.9	55.6%	1		21.02s	7,317	368	6,764

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 5.3	3.8	5.8	33.3%	1		53.02s	80,209	6,729	5,209

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 5.3	10.0	10.0	100.0%	0		3.42s	7,149	210	56

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 5.3	5.3	10.0	33.3%	0		19.23s	759	35	3,384

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 5.3	4.1	2.7	33.3%	1		4.70s	498	163	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 5.3	10.0	10.0	100.0%	0		3.40s	678	72	81

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 5.3	10.0	10.0	100.0%	0		4.20s	672	389	225

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 5.3	10.0	10.0	100.0%	0		18.45s	6,861	231	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 5.3	3.0	10.0	0.0%	0		7.42s	207	69	308

झटपट तुलना

तुलना जोडी बदला

Mercury 2.5highvsGLM 5.3low Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium KAT-Coder-Pro V2.5highvsGLM 5.3low Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh Grok 4.3mediumvsGLM 5.3low Qwen3.6 35B A3BmediumvsGLM 5.3low Laguna XS 2.1mediumमोफत उपलब्धvsGLM 5.3low Mercury 2.5 PreviewhighvsGLM 5.1none Mercury 2.5 PreviewhighvsGLM 5.2none Qwen3.5-122B-A10BnonevsGLM 5.3low Claude Sonnet 5.5mediumvsGLM 5.3low Mercury 2.5 PreviewhighvsGrok 4.3medium