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-5.6 Luna (high)

GPT-5.6 Luna (high) average score मध्ये पुढे आहे: 7.6 vs 7.5. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.024 vs $0.179. Mercury 2.5 Preview (medium) वेगवान आहे: 3.58s vs 16.49s, pass rates 69.7% vs 69.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-08

तुलना केलेली मॉडेल्स

क्रमांक
#104
एकूण आउटपुट टोकन्स
127,034
प्रतिसाद वेळ (सरासरी)
3.58s
एकूण खर्च
$0.024
क्रमांक
#94
एकूण आउटपुट टोकन्स
135,315
प्रतिसाद वेळ (सरासरी)
16.49s
एकूण खर्च
$0.179
शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

Its score stays close to the best score here (7.5 vs 7.6), while costing about 7.6x less than GPT-5.6 Luna (high).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02 GPT-5.6 Luna GPT-5.6 Luna high प्रकाशन: 2026-07-09
स्कोअर 7.5 7.6
क्रमांक #104 #94
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 8.5
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 69.7% 69.7%
अस्थिर चाचण्या 1 4
एकूण रन 66 66
प्रति निकाल खर्च 0.158 6.100
एकूण खर्च $0.024 $0.179
इनपुट किंमत $0.040 / 1M $0.200 / 1M
आउटपुट किंमत $0.150 / 1M $1.200 / 1M
एकूण इनपुट टोकन्स 112,713 80,927
आउटपुट टोकन्स 5,436 5,088
रिझनिंग टोकन्स 121,598 130,227
प्रतिसाद वेळ (सरासरी) 3.58s 16.49s
प्रतिसाद वेळ (कमाल) 17.84s 111.09s
प्रतिसाद वेळ (एकूण) 78.66s 362.78s
पॅरामीटर्स ~100B ~400B एकूण (~17B 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.

#104 Mercury 2.5 Preview

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

#94 GPT-5.6 Luna

high
खर्च
$0.033
वेळ
34.2s
टोकन्स
5,484 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-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746

झटपट तुलना

तुलना जोडी बदला