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 Z.ai: GLM 4.7 Flash

Mercury 2 average score मध्ये पुढे आहे: 4.6 vs 4.3. Mercury 2 चा benchmark खर्च कमी आहे: $0.030 vs $0.166. Mercury 2 वेगवान आहे: 829ms vs 142.59s, pass rates 22.7% vs 31.8%.

शिफारस केलेले मॉडेलMercury 2It has the best score here (4.6), while costing about 5.7x less than GLM 4.7 Flash (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-18

मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 GLM 4.7 Flash GLM 4.7 Flash medium प्रकाशन: 2026-01-19
स्कोअर 4.6 4.3
क्रमांक #185 #190
विश्वसनीयता 10.0 7.8
सुसंगतता 9.2 7.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 22.7% 31.8%
अस्थिर चाचण्या 2 8
एकूण रन 66 66
प्रति निकाल खर्च 0.734 4.147
एकूण खर्च $0.030 $0.166
इनपुट किंमत $0.250 / 1M $0.061 / 1M
आउटपुट किंमत $0.750 / 1M $0.400 / 1M
एकूण इनपुट टोकन्स 88,704 79,051
आउटपुट टोकन्स 9,564 43,754
रिझनिंग टोकन्स 0 374,109
प्रतिसाद वेळ (सरासरी) 829ms 142.59s
प्रतिसाद वेळ (कमाल) 4.52s 1539.97s
प्रतिसाद वेळ (एकूण) 18.24s 1996.21s

Hamster playing table tennis

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

#185 Mercury 2

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

#190 GLM 4.7 Flash

medium
अवैध SVG
खर्च
$0.000
वेळ
186.2s
टोकन्स
12,112 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
GLM 4.7 Flash 3.2 7.4 11.1% 1 55.33s 3,106 4,981 22,387

झटपट तुलना

तुलना जोडी बदला