Mercury 2.5 Preview (medium) vs Beam 1.0 501B A23B (max)

Mercury 2.5 Preview (medium) average score मध्ये पुढे आहे: 6.8 vs 6.4. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $0.799. Mercury 2.5 Preview (medium) वेगवान आहे: 6.66s vs 11.10s, pass rates 66.7% vs 56.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-17

तुलना केलेली मॉडेल्स

क्रमांक: #199
एकूण आउटपुट टोकन्स: 150,107
प्रतिसाद वेळ (सरासरी): 6.66s
एकूण खर्च: $0.039

क्रमांक: #234
एकूण आउटपुट टोकन्स: 199,769
प्रतिसाद वेळ (सरासरी): 11.10s
एकूण खर्च: $0.799

शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 20.8x less than Beam 1.0 501B A23B (max).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02	Beam 1.0 501B A23B Beam 1.0 501B A23B max प्रकाशन: 2026-10-17

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview medium प्रकाशन: 2026-09-02	Beam 1.0 501B A23B Beam 1.0 501B A23B max प्रकाशन: 2026-10-17
स्कोअर	6.8	6.4
क्रमांक	#199	#234
विश्वसनीयता	10.0	10.0
सुसंगतता	9.6	9.4
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	66.7%	56.5%
अस्थिर चाचण्या	1	2
एकूण रन	69	69
प्रति निकाल खर्च	0.244	6.654
एकूण खर्च	$0.039	$0.799
इनपुट किंमत	$0.040 / 1M	$1.000 / 1M
आउटपुट किंमत	$0.150 / 1M	$3.000 / 1M
कॅश वाचण्याची किंमत	लागू नाही	$0.100 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	397,291	199,105
आउटपुट टोकन्स	6,355	4,274
रिझनिंग टोकन्स	143,752	195,495
प्रतिसाद वेळ (सरासरी)	6.66s	11.10s
प्रतिसाद वेळ (कमाल)	74.63s	54.48s
प्रतिसाद वेळ (एकूण)	153.29s	255.26s
पॅरामीटर्स	~100B	501B एकूण (23B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त 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

#234 Beam 1.0 501B A23B

max

खर्च: $0.010
वेळ: 21.4s
टोकन्स: 7,699 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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		50.05s	168,940	2,299	23,650

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
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.42s	1,125	337	3,507

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
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		17.15s	7,800	467	39,895

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		3.04s	7,671	132	3,688

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
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.23s	7,998	278	1,629

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		31.89s	1,122	91	87,933

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
Beam 1.0 501B A23B	5.5	10.0	0.0%	0		3.63s	618	113	3,509

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
Beam 1.0 501B A23B	8.4	6.9	83.3%	1		866ms	924	109	1,726

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
Beam 1.0 501B A23B	7.8	7.4	77.8%	1		3.94s	1,038	325	10,811

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		2.15s	1,533	72	465

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
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		24.53s	336	51	18,682

तुलना जोडी बदला

Gemini 3 Flash PreviewnonevsBeam 1.0 501B A23Bmax Mercury 2.5 PreviewmediumvsInklinglowमोफत उपलब्ध Qwen3.5-122B-A10BnonevsBeam 1.0 501B A23Bmax Beam 1.0 501B A23BmaxvsSolar Pro 4medium Laguna XS 2.1mediumमोफत उपलब्धvsBeam 1.0 501B A23Bmax Mercury 2.5 PreviewmediumvsGPT-6 Solnone Beam 1.0 501B A23BmaxvsGrok 4.3medium KAT-Coder-Pro V2.5highvsBeam 1.0 501B A23Bmax Beam 1.0 501B A23BmaxvsGLM 5.1none Kimi K2.5mediumvsBeam 1.0 501B A23Bmax Beam 1.0 501B A23BmaxvsGLM 5.3low Claude Opus 4.8nonevsMercury 2.5 Previewmedium