Advertise here
#223

Mercury 2

Inception प्रकाशन: 2026-02-24 चाचणी तारीख: 2026-10-01 02:52 inception/mercury-2::medium
~100Bइतरबंद स्रोतअंदाजित
(medium) (none)

सारांश

Mercury 2 AI BENCHY वर 6.6 स्कोर करते आणि #223 वर आहे. याची reliability 10.0, pass rate 53.6%, एकूण खर्च $0.121, आणि सरासरी response time 4.40s आहे.

Mercury 2 खास का आहे: हे सूचनांचे पालन मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डोमेन-विशिष्ट हा सर्वात कमकुवत भाग आहे, rank #15. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

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

6.6

सुसंगतता

8.1

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.121

एकूण आउटपुट टोकन्स

96,943

एकूण इनपुट टोकन्स

189,300

इनपुट किंमत

$0.250 / 1M

आउटपुट किंमत

$0.750 / 1M

कॅश वाचण्याची किंमत

$0.025 / 1M

कॅश लिहिण्याची किंमत

लागू नाही

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.

बरोबर चाचण्या

चुकीच्या चाचण्या: 13

प्रति प्रयत्न पास दर: 53.6%

अस्थिर चाचण्या

5

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

प्रतिसाद वेळ (सरासरी)

4.40s

प्रतिसाद वेळ (कमाल): 34.92s

प्रतिसाद वेळ (एकूण): 96.81s

चुकीचे उत्तर: 9 सूचनांचे पालन केले नाही: 3 अवैध टूल कॉल: 1

Hamster playing table tennis

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

#223 Mercury 2

medium
खर्च
$0.002
वेळ
2.1s
टोकन्स
1,702 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-10-01 02:52 पुन्हा चाचणी 6.6 10.0 $0.121 सध्याची रन
2026-07-16 23:14 नवीन चाचणी जोडली 7.0 10.0 $0.093 तुलना करा
2026-06-04 14:27 नवीन चाचणी जोडली 6.6 10.0 $0.058 तुलना करा
2026-05-22 00:40 पुन्हा चाचणी 6.3 10.0 $0.055 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 6.5 लागू नाही $0.047 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत कॅश वाचण्याची किंमत कॅश लिहिण्याची किंमत
2026-08-14 12:51 $0.250 / 1M $0.750 / 1M लागू नाही लागू नाही
2026-10-01 18:33 $0.250 / 1M $0.750 / 1M $0.025 / 1M लागू नाही

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 2mediumvsLongCat 2.0lowMercury 2mediumvsStep 3.7 FlashhighMercury 2mediumvsQwen3.7 FlashmediumMercury 2mediumvsBeam 1.0 501B A23BmediumMercury 2mediumvsGLM 5.2noneMercury 2mediumvsKAT-Coder-Pro V2.5lowMercury 2mediumvsGPT-5.5noneMercury 2mediumvsClaude Sonnet 5.5mediumMercury 2mediumvsGLM 5.3 FlashlowMercury 2mediumvsMinimax M3.1 Flashhighमोफत उपलब्ध

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 4.7 1.6
अँटी-एआय युक्त्या 6.9 9.9
कोडिंग 8.2 7.7
संयुक्त 6.7 9.1
डेटा पार्सिंग आणि निष्कर्षण 7.3 5.9
डोमेन-विशिष्ट 2.9 4.4
Samanya Buddhimatta 4.8 10.0
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 5.4 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स