नेव्हिगेशन
Advertise here

Mercury 2.5 Preview (medium) vs GPT-5.6 Luna (low)

average score जवळपास समान आहे: 6.8 vs 6.9. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $0.049. Mercury 2.5 Preview (medium) वेगवान आहे: 6.66s vs 6.96s, pass rates 66.7% vs 56.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#243
एकूण आउटपुट टोकन्स
150,107
प्रतिसाद वेळ (सरासरी)
6.66s
एकूण खर्च
$0.039
क्रमांक
#237
एकूण आउटपुट टोकन्स
28,001
प्रतिसाद वेळ (सरासरी)
6.96s
एकूण खर्च
$0.049
शिफारस केलेले मॉडेल GPT-5.6 Luna (low)

या तुलनेत याचा गुण सर्वाधिक आहे (6.9) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02 GPT-5.6 Luna GPT-5.6 Luna low प्रकाशन: 2026-07-09
स्कोअर 6.8 6.9
क्रमांक #243 #237
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 8.3
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 66.7% 56.5%
अस्थिर चाचण्या 1 5
एकूण रन 69 69
प्रति निकाल खर्च 0.244 2.428
एकूण खर्च $0.039 $0.049
इनपुट किंमत $0.040 / 1M $0.200 / 1M
आउटपुट किंमत $0.150 / 1M $1.200 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.020 / 1M
कॅश लिहिण्याची किंमत लागू नाही $0.250 / 1M
एकूण इनपुट टोकन्स 397,291 202,680
आउटपुट टोकन्स 6,355 9,230
रिझनिंग टोकन्स 143,752 18,771
प्रतिसाद वेळ (सरासरी) 6.66s 6.96s
प्रतिसाद वेळ (कमाल) 74.63s 45.74s
प्रतिसाद वेळ (एकूण) 153.29s 160.19s
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.

#243 Mercury 2.5 Preview

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

#237 GPT-5.6 Luna

low
खर्च
$0.011
वेळ
10.2s
टोकन्स
1,897 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 10.0 33.3% 0 4.61s 7,302 557 3,535

तुलना जोडी बदला