नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Mercury 2.5 Preview (low) vs Mistral Small 4 (medium)

Mistral Small 4 (medium) average score मध्ये पुढे आहे: 5.1 vs 5.0. Mercury 2.5 Preview (low) चा benchmark खर्च कमी आहे: $0.011 vs $0.097. Mercury 2.5 Preview (low) वेगवान आहे: 1.31s vs 10.80s, pass rates 47.0% vs 43.9%.

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

क्रमांक
#254
एकूण आउटपुट टोकन्स
31,975
प्रतिसाद वेळ (सरासरी)
1.31s
एकूण खर्च
$0.011
क्रमांक
#246
एकूण आउटपुट टोकन्स
133,597
प्रतिसाद वेळ (सरासरी)
10.80s
एकूण खर्च
$0.097
शिफारस केलेले मॉडेल Mercury 2.5 Preview (low)

Its score stays close to the best score here (5.0 vs 5.1), while costing about 9.5x less than Mistral Small 4 (medium).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview low प्रकाशन: 2026-09-02 Mistral Small 4 Mistral Small 4 medium प्रकाशन: 2026-03-16
स्कोअर 5.0 5.1
क्रमांक #254 #246
विश्वसनीयता 10.0 10.0
सुसंगतता 7.0 7.0
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 47.0% 43.9%
अस्थिर चाचण्या 8 8
एकूण रन 66 66
प्रति निकाल खर्च 0.169 1.923
एकूण खर्च $0.011 $0.097
इनपुट किंमत $0.040 / 1M $0.150 / 1M
आउटपुट किंमत $0.150 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 133,525 140,559
आउटपुट टोकन्स 7,259 40,268
रिझनिंग टोकन्स 24,716 93,329
प्रतिसाद वेळ (सरासरी) 1.31s 10.80s
प्रतिसाद वेळ (कमाल) 7.29s 59.15s
प्रतिसाद वेळ (एकूण) 28.77s 237.60s
पॅरामीटर्स ~100B 119B एकूण (6B 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.

#254 Mercury 2.5 Preview

low
खर्च
$0.001
वेळ
1.5s
टोकन्स
1,169 tok

#246 Mistral Small 4

medium
खर्च
$0.006
वेळ
47.9s
टोकन्स
9,857 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 5.5 10.0 33.3% 0 972ms 7,794 695 2,263
Mistral Small 4 4.4 5.1 33.3% 2 39.98s 7,636 11,635 54,715

झटपट तुलना

तुलना जोडी बदला