AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#91

Mercury 2.5 Preview

Inception प्रकाशन: 2026-09-02 चाचणी तारीख: 2026-09-02 02:06 inception/mercury-2.5-preview::medium
~100Bइतरबंद स्रोतअंदाजित
(high) (medium) (low) (none)

सारांश

Mercury 2.5 Preview AI BENCHY वर 7.5 स्कोर करते आणि #91 वर आहे. याची reliability 10.0, pass rate 69.7%, एकूण खर्च $0.024, आणि सरासरी response time 3.58s आहे.

Mercury 2.5 Preview खास का आहे: हे अँटी-एआय युक्त्या मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर टूल कॉलिंग हा सर्वात कमकुवत भाग आहे, rank #16. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-09-02

अंदाजित
पॅरामीटर्स
~100B
आर्किटेक्चर
इतर
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

7.5

सुसंगतता

9.6

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.024

एकूण आउटपुट टोकन्स

127,034

एकूण इनपुट टोकन्स

112,713

इनपुट किंमत

$0.040 / 1M

आउटपुट किंमत

$0.150 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 7

प्रति प्रयत्न पास दर: 69.7%

अस्थिर चाचण्या

1

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

3.58s

प्रतिसाद वेळ (कमाल): 17.84s

प्रतिसाद वेळ (एकूण): 78.66s

चुकीचे उत्तर: 4 API त्रुटी: 1 सूचनांचे पालन केले नाही: 1 उत्तर नाही: 1

Hamster playing table tennis

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

#91 Mercury 2.5 Preview

medium
खर्च
$0.001
वेळ
2.7s
टोकन्स
2,241 tok

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Mercury 2.5 PreviewmediumvsQwen3.5-27BmediumMercury 2.5 PreviewmediumvsGPT-5.4 MinimediumMercury 2.5 PreviewmediumvsQwen3.5 Plus 2026-02-15mediumMercury 2.5 PreviewmediumvsGrok Build 0.1mediumMercury 2.5 PreviewmediumvsGPT 5.3 ChatnoneMercury 2.5 PreviewmediumvsGemini 3.1 Flash Lite PreviewmediumMercury 2.5 PreviewmediumvsMiniMax M3mediumMercury 2.5 PreviewmediumvsQwen3.7 MaxnoneMercury 2.5 PreviewmediumvsGPT-5.6 TerralowMercury 2.5 PreviewmediumvsKimi K2.7 Codemedium

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 7.8 10.0
संयुक्त 6.5 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 5.0 10.0
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स