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

Inception: Mercury 2 vs Qwen: Qwen3.5-9B

Mercury 2 average score मध्ये पुढे आहे: 4.6 vs 3.8. Mercury 2 चा benchmark खर्च कमी आहे: $0.030 vs $0.036. Mercury 2 वेगवान आहे: 829ms vs 82.24s, pass rates 22.7% vs 25.8%.

शिफारस केलेले मॉडेलMercury 2It has the best score here (4.6), while responding about 99.2x faster than Qwen3.5-9B (medium).
क्रमांक
#204
प्रति प्रयत्न पास दर
22.7%
एकूण आउटपुट टोकन्स
9,564
प्रतिसाद वेळ (सरासरी)
829ms
एकूण खर्च
$0.030
क्रमांक
#220
प्रति प्रयत्न पास दर
25.8%
एकूण आउटपुट टोकन्स
238,561
प्रतिसाद वेळ (सरासरी)
82.24s
एकूण खर्च
$0.036

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-25

मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 Qwen3.5-9B Qwen3.5-9B medium प्रकाशन: 2026-03-02
स्कोअर 4.6 3.8
क्रमांक #204 #220
विश्वसनीयता 10.0 5.0
सुसंगतता 9.2 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 22.7% 25.8%
अस्थिर चाचण्या 2 5
एकूण रन 66 66
प्रति निकाल खर्च 0.734 1.187
एकूण खर्च $0.030 $0.036
इनपुट किंमत $0.250 / 1M $0.100 / 1M
आउटपुट किंमत $0.750 / 1M $0.150 / 1M
एकूण इनपुट टोकन्स 88,704 17,070
आउटपुट टोकन्स 9,564 29,045
रिझनिंग टोकन्स 0 209,516
प्रतिसाद वेळ (सरासरी) 829ms 82.24s
प्रतिसाद वेळ (कमाल) 4.52s 226.38s
प्रतिसाद वेळ (एकूण) 18.24s 1315.88s

Hamster playing table tennis

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

#204 Mercury 2

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

#220 Qwen3.5-9B

medium
खर्च
$0.001
वेळ
35.9s
टोकन्स
3,030 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
Qwen3.5-9B 2.9 10.0 0.0% 0 100.88s 2,396 7,890 41,129

झटपट तुलना

तुलना जोडी बदला