नेव्हिगेशन
AI BENCHY
Advertise here

Mercury 2 vs MiniMax M2.5 (medium)

Mercury 2 average score मध्ये पुढे आहे: 4.7 vs 4.6. Mercury 2 चा benchmark खर्च कमी आहे: $0.030 vs $0.327. Mercury 2 वेगवान आहे: 825ms vs 69.08s, pass rates 24.2% vs 43.9%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-03

क्रमांक
#281
एकूण आउटपुट टोकन्स
9,584
प्रतिसाद वेळ (सरासरी)
825ms
एकूण खर्च
$0.030
क्रमांक
#284
एकूण आउटपुट टोकन्स
272,229
प्रतिसाद वेळ (सरासरी)
69.08s
एकूण खर्च
$0.327
शिफारस केलेले मॉडेल Mercury 2

It has the best score here (4.7), while costing about 11.0x less than MiniMax M2.5 (medium).

तपशीलवार तुलना

मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 MiniMax M2.5 MiniMax M2.5 medium प्रकाशन: 2026-02-12
स्कोअर 4.7 4.6
क्रमांक #281 #284
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 6.6
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 24.2% 43.9%
अस्थिर चाचण्या 2 9
एकूण रन 66 66
प्रति निकाल खर्च 0.740 6.463
एकूण खर्च $0.030 $0.327
इनपुट किंमत $0.250 / 1M $0.270 / 1M
आउटपुट किंमत $0.750 / 1M $1.080 / 1M
एकूण इनपुट टोकन्स 89,637 142,621
आउटपुट टोकन्स 9,584 20,409
रिझनिंग टोकन्स 0 251,820
प्रतिसाद वेळ (सरासरी) 825ms 69.08s
प्रतिसाद वेळ (कमाल) 4.52s 251.36s
प्रतिसाद वेळ (एकूण) 18.14s 1036.24s
पॅरामीटर्स ~100B 230B एकूण (10B सक्रिय)
उपलब्धता बंद स्रोत वेट्स उपलब्ध

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#281 Mercury 2

none
खर्च
$0.002
वेळ
1.8s
टोकन्स
1,514 tok

#284 MiniMax M2.5

medium
अवैध SVG
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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
MiniMax M2.5 3.4 9.1 0.0% 0 188.58s 6,076 357 106,177

झटपट तुलना

तुलना जोडी बदला