नेव्हिगेशन
Advertise here

Mercury 2.5 Preview (medium) vs Qwen4 Max

Qwen4 Max average score मध्ये पुढे आहे: 7.0 vs 6.8. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $0.465. Qwen4 Max वेगवान आहे: 6.38s vs 6.66s, pass rates 66.7% vs 63.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-16

तुलना केलेली मॉडेल्स

क्रमांक
#248
एकूण आउटपुट टोकन्स
150,107
प्रतिसाद वेळ (सरासरी)
6.66s
एकूण खर्च
$0.039
क्रमांक
#230
एकूण आउटपुट टोकन्स
9,342
प्रतिसाद वेळ (सरासरी)
6.38s
एकूण खर्च
$0.465
शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

Its score stays close to the best score here (6.8 vs 7.0), while costing about 12.1x less than Qwen4 Max.

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02 Qwen4 Max Qwen4 Max none प्रकाशन: 2026-11-16
स्कोअर 6.8 7.0
क्रमांक #248 #230
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 9.6
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 66.7% 63.8%
अस्थिर चाचण्या 1 1
एकूण रन 69 69
प्रति निकाल खर्च 0.244 3.321
एकूण खर्च $0.039 $0.465
इनपुट किंमत $0.040 / 1M $1.500 / 1M
आउटपुट किंमत $0.150 / 1M $4.500 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.075 / 1M
कॅश लिहिण्याची किंमत लागू नाही $1.875 / 1M
एकूण इनपुट टोकन्स 397,291 281,902
आउटपुट टोकन्स 6,355 9,342
रिझनिंग टोकन्स 143,752 0
प्रतिसाद वेळ (सरासरी) 6.66s 6.38s
प्रतिसाद वेळ (कमाल) 74.63s 67.27s
प्रतिसाद वेळ (एकूण) 153.29s 146.64s
पॅरामीटर्स ~100B ~2.4T एकूण (~95B 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.

#248 Mercury 2.5 Preview

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

#230 Qwen4 Max

none
खर्च
$0.027
वेळ
123.5s
टोकन्स
6,091 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
Qwen4 Max 5.8 10.0 33.3% 0 1.97s 8,010 384 0

तुलना जोडी बदला