#40

Mercury 2

Inception · प्रकाशन: 2026-02-24 · inception/mercury-2::medium

सरासरी स्कोअर

48

प्रति निकाल खर्च

0.726

सुसंगतता

83

एकूण खर्च

$0.044

बरोबर चाचण्या

6

एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.

चुकीच्या चाचण्या

9

प्रति प्रयत्न पास दर: 51.1%

अस्थिर चाचण्या

3

प्रतिसाद वेळ: सरासरी 2.47s · एकूण 34.56s · कमाल 14.63s

चुकीचे उत्तर: 5 सूचनांचे पालन केले नाही: 3 API त्रुटी: 1

स्कोअरनुसार शीर्ष मॉडेल्स

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

#34 GPT-5 Nano 54

#35 gpt-oss-120b 51

#36 Gemini 2.5 Flash 51

#37 Qwen3.5-27B 49

#38 DeepSeek V3.2 49

#39 Qwen3.5-122B-A10B 49

#40 Mercury 2 48

#41 Qwen3.5-Flash 47

#42 MiniMax M2.5 46

#43 Qwen3.5-35B-A3B 45

#44 GPT-5.4 45

#45 Trinity Large Preview (free) 41

#46 GPT-4o-mini 41

श्रेणी	सरासरी स्कोअर	सुसंगतता	बरोबर चाचण्या
Anti-AI Tricks	73	98	2/3
Combined	100	100	1/1
Data parsing and extraction	55	59	1/2
Domain specific	100	72	0/3
Instructions following	55	100	1/2
Puzzle Solving	17	75	0/3
Tool Calling	100	100	1/1