Mercury 2 (medium) vs GLM 5.3 Flash (low)

GLM 5.3 Flash (low) average score मध्ये पुढे आहे: 6.6 vs 6.6. GLM 5.3 Flash (low) चा benchmark खर्च कमी आहे: $0.052 vs $0.121. Mercury 2 (medium) वेगवान आहे: 4.40s vs 11.82s, pass rates 53.6% vs 58.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #189
एकूण आउटपुट टोकन्स: 96,943
प्रतिसाद वेळ (सरासरी): 4.40s
एकूण खर्च: $0.121

क्रमांक: #184
एकूण आउटपुट टोकन्स: 27,168
प्रतिसाद वेळ (सरासरी): 11.82s
एकूण खर्च: $0.052

शिफारस केलेले मॉडेल GLM 5.3 Flash (low)

It has the best score here (6.6), while costing about 2.3x less than Mercury 2 (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24	GLM 5.3 Flash GLM 5.3 Flash low प्रकाशन: 2026-08-26

मेट्रिक	Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24	GLM 5.3 Flash GLM 5.3 Flash low प्रकाशन: 2026-08-26
स्कोअर	6.6	6.6
क्रमांक	#189	#184
विश्वसनीयता	10.0	10.0
सुसंगतता	8.1	8.5
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	53.6%	58.0%
अस्थिर चाचण्या	5	4
एकूण रन	69	69
प्रति निकाल खर्च	1.201	0.338
एकूण खर्च	$0.121	$0.052
इनपुट किंमत	$0.250 / 1M	$0.150 / 1M
आउटपुट किंमत	$0.750 / 1M	$0.500 / 1M
एकूण इनपुट टोकन्स	189,300	255,173
आउटपुट टोकन्स	10,854	9,891
रिझनिंग टोकन्स	86,089	17,277
प्रतिसाद वेळ (सरासरी)	4.40s	11.82s
प्रतिसाद वेळ (कमाल)	34.92s	90.45s
प्रतिसाद वेळ (एकूण)	96.81s	271.92s
पॅरामीटर्स	~100B	320B एकूण (18B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#189 Mercury 2

medium

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

#184 GLM 5.3 Flash

low

खर्च: $0.001
वेळ: 20.7s
टोकन्स: 1,482 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
GLM 5.3 Flash	10.0	10.0	100.0%	0		59.70s	137,622	692	2,740

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
GLM 5.3 Flash	8.7	7.9	91.7%	1		2.14s	639	279	279

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
GLM 5.3 Flash	5.4	7.2	44.4%	1		10.38s	7,317	398	3,973

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
GLM 5.3 Flash	3.8	5.8	33.3%	1		54.70s	92,771	7,434	6,825

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
GLM 5.3 Flash	6.5	10.0	50.0%	0		2.39s	7,149	295	143

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
GLM 5.3 Flash	3.6	7.2	22.2%	1		7.93s	759	36	2,503

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
GLM 5.3 Flash	5.0	10.0	0.0%	0		1.68s	498	124	0

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
GLM 5.3 Flash	10.0	10.0	100.0%	0		1.65s	678	72	107

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
GLM 5.3 Flash	7.8	9.6	66.7%	0		2.67s	672	289	369

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
GLM 5.3 Flash	10.0	10.0	100.0%	0		17.00s	6,861	231	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
GLM 5.3 Flash	3.0	10.0	0.0%	0		4.54s	207	41	338

झटपट तुलना

तुलना जोडी बदला

GPT-5.5nonevsGLM 5.3 Flashlow Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsLongCat 2.0low Mercury 2mediumvsKAT-Coder-Pro V2.5low GPT-5.6 SolnonevsGLM 5.3 Flashlow GPT 5.3 ChatnonevsGLM 5.3 Flashlow Qwen3.7 FlashmediumvsGLM 5.3 Flashlow Ember-1maxvsGLM 5.3 Flashlow MiniMax M3mediumvsGLM 5.3 Flashlow Grok 4.7highvsGLM 5.3 Flashlow Mercury 2mediumvsGLM 5.2none Qwen3.5-FlashnonevsGLM 5.3 Flashlow