नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Mercury 2 vs gpt-oss-120b

Mercury 2 average score मध्ये पुढे आहे: 4.4 vs 4.2. gpt-oss-120b चा benchmark खर्च कमी आहे: $0.016 vs $0.033. Mercury 2 वेगवान आहे: 1.18s vs 28.63s, pass rates 23.2% vs 34.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-07

तुलना केलेली मॉडेल्स

क्रमांक
#357
एकूण आउटपुट टोकन्स
9,709
प्रतिसाद वेळ (सरासरी)
1.18s
एकूण खर्च
$0.033
क्रमांक
#361
एकूण आउटपुट टोकन्स
62,213
प्रतिसाद वेळ (सरासरी)
28.63s
एकूण खर्च
$0.016
शिफारस केलेले मॉडेल Mercury 2

It has the best score here (4.4), while responding about 24.3x faster than gpt-oss-120b.

तपशीलवार तुलना

मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 gpt-oss-120b gpt-oss-120b none प्रकाशन: 2025-08-05
स्कोअर 4.4 4.2
क्रमांक #357 #361
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 7.6
प्रयत्न 69/69 60/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 23.2% 34.8%
अस्थिर चाचण्या 2 3
एकूण रन 69 60
प्रति निकाल खर्च 0.812 0.274
एकूण खर्च $0.033 $0.016
इनपुट किंमत $0.250 / 1M $0.037 / 1M
आउटपुट किंमत $0.750 / 1M $0.170 / 1M
कॅश वाचण्याची किंमत $0.025 / 1M लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 100,634 131,652
आउटपुट टोकन्स 9,609 16,869
रिझनिंग टोकन्स 100 53,081
प्रतिसाद वेळ (सरासरी) 1.18s 28.63s
प्रतिसाद वेळ (कमाल) 9.00s 140.90s
प्रतिसाद वेळ (एकूण) 27.14s 486.69s
पॅरामीटर्स ~100B 117B एकूण (5.1B 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.

#357 Mercury 2

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

#361 gpt-oss-120b

none
या मॉडेलसाठी अद्याप कोणताही शोकेस निकाल तयार झालेला नाही.
खर्च
लागू नाही
वेळ
-
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
gpt-oss-120b 1.5 0.4 22.2% 1 9.57s 901 204 3,028

तुलना जोडी बदला

Cobuddymediumमोफत उपलब्धvsMercury 2nonegpt-oss-120bnonevsGLM 4.7 FlashmediumMercury 2nonevsMiniMax M2.5mediumTrinity Large Previewdefaultमोफत उपलब्धvsMercury 2noneMercury 2nonevsKAT Coder AIR V2.5defaultMiniMax M2.5mediumvsgpt-oss-120bnonegpt-oss-120bnonevsQwen3.5-9BmediumMercury 2nonevsRing 2.6 1tdefaultMercury 2nonevsGLM 4.7 FlashmediumMercury 2nonevsLing 2.6 FlashdefaultCobuddymediumमोफत उपलब्धvsgpt-oss-120bnoneMercury 2nonevsNemotron 3.5 Lightninglowमोफत उपलब्ध