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

Mercury 2.5 Preview (medium) vs GPT 5.3 Chat (default)

Mercury 2.5 Preview (medium) average score मध्ये पुढे आहे: 6.8 vs 6.7. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $0.533. GPT 5.3 Chat (default) वेगवान आहे: 6.31s vs 6.66s, pass rates 66.7% vs 62.3%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-16

तुलना केलेली मॉडेल्स

क्रमांक
#199
एकूण आउटपुट टोकन्स
150,107
प्रतिसाद वेळ (सरासरी)
6.66s
एकूण खर्च
$0.039
क्रमांक
#210
एकूण आउटपुट टोकन्स
28,179
प्रतिसाद वेळ (सरासरी)
6.31s
एकूण खर्च
$0.533
शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 13.9x less than GPT 5.3 Chat (default).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02 GPT 5.3 Chat GPT 5.3 Chat default प्रकाशन: 2026-03-03
स्कोअर 6.8 6.7
क्रमांक #199 #210
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 8.6
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 66.7% 62.3%
अस्थिर चाचण्या 1 4
एकूण रन 69 69
प्रति निकाल खर्च 0.244 4.097
एकूण खर्च $0.039 $0.533
इनपुट किंमत $0.040 / 1M $1.750 / 1M
आउटपुट किंमत $0.150 / 1M $14.000 / 1M
कॅश वाचण्याची किंमत लागू नाही लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 397,291 78,846
आउटपुट टोकन्स 6,355 7,635
रिझनिंग टोकन्स 143,752 20,544
प्रतिसाद वेळ (सरासरी) 6.66s 6.31s
प्रतिसाद वेळ (कमाल) 74.63s 18.33s
प्रतिसाद वेळ (एकूण) 153.29s 138.73s
पॅरामीटर्स ~100B ~400B एकूण (~17B सक्रिय)
उपलब्धता बंद स्रोत बंद 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.

#199 Mercury 2.5 Preview

medium
खर्च
$0.001
वेळ
2.7s
टोकन्स
2,241 tok

#210 GPT 5.3 Chat

default
खर्च
$0.008
वेळ
8.1s
टोकन्स
634 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 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126
GPT 5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 808 5,824

झटपट तुलना

तुलना जोडी बदला

Ember-1maxvsGPT 5.3 ChatdefaultMercury 2.5 PreviewmediumvsInklinglowमोफत उपलब्धMiniMax M3mediumvsGPT 5.3 ChatdefaultGPT 5.3 ChatdefaultvsGrok 4.7highApodex 1.1 Minihighमोफत उपलब्धvsGPT 5.3 ChatdefaultGPT 5.3 ChatdefaultvsSolar Pro 4lowMercury 2.5 PreviewmediumvsGPT-6 SolnoneGPT 5.3 ChatdefaultvsQwen3.5-FlashnoneGPT 5.3 ChatdefaultvsGLM 5.3 FlashlowGPT 5.3 ChatdefaultvsGLM 5.2noneClaude Opus 4.8nonevsMercury 2.5 PreviewmediumClaude Sonnet 5.5lowvsMercury 2.5 Previewmedium