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

Mercury 2.5 Preview (medium) average score मध्ये पुढे आहे: 6.8 vs 6.5. Mercury 2.5 Preview (medium) चा benchmark खर्च कमी आहे: $0.039 vs $0.688. Mercury 2.5 Preview (medium) वेगवान आहे: 6.66s vs 9.18s, pass rates 66.7% vs 63.8%.

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: #226
एकूण आउटपुट टोकन्स: 158,497
प्रतिसाद वेळ (सरासरी): 9.18s
एकूण खर्च: $0.688

शिफारस केलेले मॉडेल Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 17.9x less than Beam 1.0 501B A23B (xhigh).

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 xhigh 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 xhigh प्रकाशन: 2026-10-17
स्कोअर	6.8	6.5
क्रमांक	#199	#226
विश्वसनीयता	10.0	10.0
सुसंगतता	9.6	8.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	66.7%	63.8%
अस्थिर चाचण्या	1	5
एकूण रन	69	69
प्रति निकाल खर्च	0.244	5.730
एकूण खर्च	$0.039	$0.688
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	212,065
आउटपुट टोकन्स	6,355	4,428
रिझनिंग टोकन्स	143,752	154,069
प्रतिसाद वेळ (सरासरी)	6.66s	9.18s
प्रतिसाद वेळ (कमाल)	74.63s	44.64s
प्रतिसाद वेळ (एकूण)	153.29s	211.12s
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

#226 Beam 1.0 501B A23B

xhigh

खर्च: $0.009
वेळ: 16.5s
टोकन्स: 6,827 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		44.64s	181,898	2,416	18,550

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	9.2	8.4	91.7%	1		1.52s	1,125	355	3,764

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		20.68s	7,801	585	46,192

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		2.68s	7,671	132	2,097

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		1.60s	7,998	271	2,047

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	5.9	7.2	55.6%	1		20.22s	1,122	72	59,707

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	5.1	3.4	33.3%	1		2.50s	618	87	2,749

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	9.8	10.0	100.0%	0		1.15s	925	90	1,631

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	5.8	4.4	66.7%	2		4.46s	1,038	309	9,948

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		1.84s	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		9.10s	336	39	6,919

तुलना जोडी बदला

Mercury 2.5highvsBeam 1.0 501B A23Bxhigh Mercury 2.5 PreviewmediumvsInklinglowमोफत उपलब्ध Beam 1.0 501B A23BxhighvsGLM 5.3low Mercury 2.5 PreviewhighvsBeam 1.0 501B A23Bxhigh Mercury 2.5 PreviewmediumvsGPT-6 Solnone Beam 1.0 501B A23BxhighvsGLM 5.1none Qwen3.6 35B A3BmediumvsBeam 1.0 501B A23Bxhigh KAT-Coder-Pro V2.5highvsBeam 1.0 501B A23Bxhigh Beam 1.0 501B A23BxhighvsGrok 4.3medium Claude Sonnet 5.5mediumvsBeam 1.0 501B A23Bxhigh Laguna XS 2.1mediumमोफत उपलब्धvsBeam 1.0 501B A23Bxhigh Qwen3.5-122B-A10BnonevsBeam 1.0 501B A23Bxhigh