Mercury 2 (medium) vs Qwen3.6 35B A3B (medium)

Mercury 2 (medium) average score मध्ये पुढे आहे: 6.6 vs 6.5. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.121 vs $0.834. Mercury 2 (medium) वेगवान आहे: 4.40s vs 59.92s, pass rates 53.6% vs 58.0%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #218
एकूण आउटपुट टोकन्स: 96,943
प्रतिसाद वेळ (सरासरी): 4.40s
एकूण खर्च: $0.121

क्रमांक: #223
एकूण आउटपुट टोकन्स: 769,570
प्रतिसाद वेळ (सरासरी): 59.92s
एकूण खर्च: $0.834

शिफारस केलेले मॉडेल Mercury 2 (medium)

It has the best score here (6.6), while costing about 6.9x less than Qwen3.6 35B A3B (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24	Qwen3.6 35B A3B Qwen3.6 35B A3B medium प्रकाशन: 2026-04-20

मेट्रिक	Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24	Qwen3.6 35B A3B Qwen3.6 35B A3B medium प्रकाशन: 2026-04-20
स्कोअर	6.6	6.5
क्रमांक	#218	#223
विश्वसनीयता	10.0	10.0
सुसंगतता	8.1	9.0
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	53.6%	58.0%
अस्थिर चाचण्या	5	3
एकूण रन	69	69
प्रति निकाल खर्च	1.201	6.732
एकूण खर्च	$0.121	$0.834
इनपुट किंमत	$0.250 / 1M	$0.150 / 1M
आउटपुट किंमत	$0.750 / 1M	$1.000 / 1M
कॅश वाचण्याची किंमत	$0.025 / 1M	$0.050 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	189,300	282,192
आउटपुट टोकन्स	10,854	75,306
रिझनिंग टोकन्स	86,089	700,868
प्रतिसाद वेळ (सरासरी)	4.40s	59.92s
प्रतिसाद वेळ (कमाल)	34.92s	817.57s
प्रतिसाद वेळ (एकूण)	96.81s	1258.32s
पॅरामीटर्स	~100B	35B एकूण (3B 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.

#218 Mercury 2

medium

खर्च: $0.002
वेळ: 2.1s
टोकन्स: 1,702 tok

#223 Qwen3.6 35B A3B

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 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	4.7	1.6	66.7%	1		34.92s	78,785	529	8,860
Qwen3.6 35B A3B	6.1	3.1	66.7%	1		88.48s	197,044	13,570	19,312

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Qwen3.6 35B A3B	10.0	10.0	100.0%	0		6.02s	672	1,154	12,385

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Qwen3.6 35B A3B	7.7	10.0	66.7%	0		50.55s	5,051	7,929	37,223

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		817.57s	68,754	42,187	548,547

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	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Qwen3.6 35B A3B	10.0	10.0	100.0%	0		12.99s	7,776	2,591	9,968

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	2.9	4.4	22.2%	2		8.06s	1,638	53	31,177
Qwen3.6 35B A3B	2.9	4.4	22.2%	2		25.39s	780	6,110	41,906

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Qwen3.6 35B A3B	4.4	9.9	0.0%	0		8.66s	516	129	4,569

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Qwen3.6 35B A3B	10.0	10.0	100.0%	0		7.50s	699	219	7,404

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Qwen3.6 35B A3B	8.0	10.0	66.7%	0		5.95s	696	655	9,228

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		0ms	0	0	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		32.90s	204	762	10,326

तुलना जोडी बदला

Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2.5 PreviewhighvsQwen3.6 35B A3Bmedium Mercury 2.5highvsQwen3.6 35B A3Bmedium Qwen3.6 35B A3BmediumvsBeam 1.0 501B A23Bxhigh Mercury 2mediumvsLongCat 2.0low Mercury 2mediumvsKAT-Coder-Pro V2.5low Qwen3.6 35B A3BmediumvsGLM 5.3low Qwen3.6 35B A3BmediumvsGLM 5.1none KAT-Coder-Pro V2.5lowvsQwen3.6 35B A3Bmedium KAT-Coder-Pro V2.5highvsQwen3.6 35B A3Bmedium Mercury 2mediumvsGLM 5.2none Qwen3.6 35B A3BmediumvsStep 3.7 Flashhigh