Mercury 2.5 Preview (medium) vs Qwen3.5-Flash (medium)

average score जवळपास समान आहे: 6.8 vs 6.8. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $0.184. Mercury 2.5 Preview (medium) वेगवान आहे: 6.66s vs 83.68s, pass rates 66.7% vs 66.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-09

तुलना केलेली मॉडेल्स

क्रमांक: #183
एकूण आउटपुट टोकन्स: 150,107
प्रतिसाद वेळ (सरासरी): 6.66s
एकूण खर्च: $0.039

क्रमांक: #181
एकूण आउटपुट टोकन्स: 531,668
प्रतिसाद वेळ (सरासरी): 83.68s
एकूण खर्च: $0.184

शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 4.8x less than Qwen3.5-Flash (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02	Qwen3.5-Flash Qwen3.5-Flash medium प्रकाशन: 2026-02-24

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02	Qwen3.5-Flash Qwen3.5-Flash medium प्रकाशन: 2026-02-24
स्कोअर	6.8	6.8
क्रमांक	#183	#181
विश्वसनीयता	10.0	10.0
सुसंगतता	9.6	7.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	66.7%	66.7%
अस्थिर चाचण्या	1	6
एकूण रन	69	69
प्रति निकाल खर्च	0.244	1.533
एकूण खर्च	$0.039	$0.184
इनपुट किंमत	$0.040 / 1M	$0.065 / 1M
आउटपुट किंमत	$0.150 / 1M	$0.260 / 1M
कॅश वाचण्याची किंमत	लागू नाही	लागू नाही
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	397,291	349,177
आउटपुट टोकन्स	6,355	54,279
रिझनिंग टोकन्स	143,752	477,389
प्रतिसाद वेळ (सरासरी)	6.66s	83.68s
प्रतिसाद वेळ (कमाल)	74.63s	515.38s
प्रतिसाद वेळ (एकूण)	153.29s	1840.92s
पॅरामीटर्स	~100B	~35B एकूण (~3B 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.

#183 Mercury 2.5 Preview

medium

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

#181 Qwen3.5-Flash

medium

खर्च: $0.002
वेळ: 25.8s
टोकन्स: 4,294 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	3.9	9.6	0.0%	0		74.63s	284,578	919	22,154
Qwen3.5-Flash	10.0	10.0	100.0%	0		67.72s	230,669	18,822	0

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		1.43s	781	203	7,921
Qwen3.5-Flash	10.0	10.0	100.0%	0		59.11s	672	383	32,992

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
Qwen3.5-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588
Qwen3.5-Flash	6.4	5.8	66.7%	1		266.58s	94,507	10,679	204,282

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		2.77s	8,292	514	11,354
Qwen3.5-Flash	7.3	5.9	83.3%	1		56.99s	6,061	235	16,237

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	5.3	7.2	44.4%	1		3.72s	853	62	17,120
Qwen3.5-Flash	2.9	7.2	11.1%	1		143.82s	590	23,231	30,394

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	5.0	10.0	0.0%	0		2.09s	538	99	3,375
Qwen3.5-Flash	6.1	3.1	66.7%	1		40.05s	516	99	38,486

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		1.35s	744	96	3,987
Qwen3.5-Flash	10.0	10.0	100.0%	0		63.49s	699	98	14,139

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		1.87s	771	274	7,323
Qwen3.5-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457

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		2.37s	0	0	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284

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		4.13s	232	29	6,804
Qwen3.5-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037

तुलना जोडी बदला

Qwen3.5-FlashmediumvsInklinglowमोफत उपलब्ध Mercury 2.5 PreviewmediumvsInklinglowमोफत उपलब्ध Mercury 2.5 PreviewmediumvsGPT-6 Solnone GPT-6 SolnonevsQwen3.5-Flashmedium Claude Opus 4.8nonevsQwen3.5-Flashmedium Claude Sonnet 5.5lowvsQwen3.5-Flashmedium GPT-5.6 LunalowvsQwen3.5-Flashmedium Claude Opus 4.8nonevsMercury 2.5 Previewmedium Claude Sonnet 5.5lowvsMercury 2.5 Previewmedium Mercury 2.5 PreviewmediumvsGPT-5.6 Lunalow Ember-1highvsQwen3.5-Flashmedium Ember-1highvsMercury 2.5 Previewmedium