#44 Mercury 2
medium- खर्च
- $0.002
- वेळ
- 2.1s
- टोकन्स
- 1,702 tok
Inception
प्रकाशन: 2026-02-24
चाचणी तारीख: 2026-06-04 14:27
inception/mercury-2::medium
(medium)
(none)
सारांश
Mercury 2 AI BENCHY वर 7.5 स्कोर करते आणि #44 वर आहे. याची reliability 10.0, pass rate 54.0%, एकूण खर्च $0.058, आणि सरासरी response time 2.24s आहे.
Mercury 2 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर डेटा पार्सिंग आणि निष्कर्षण हा सर्वात कमकुवत भाग आहे, rank #14. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
7.5
सुसंगतता
8.8
10.0
$0.058
एकूण आउटपुट टोकन्स
65,267
एकूण इनपुट टोकन्स
35,116
इनपुट किंमत
$0.250 / 1M
आउटपुट किंमत
$0.750 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-06-04 14:27 नवीन चाचणी जोडली | 6.6 | 10.0 | $0.058 | सध्याची रन | |
| 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.
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 14:27 · सध्याची रन | 7.5 | 8.8 | 10.0 | 10/21 | 3 | 65,267 | 35,116 | $0.058 | 2.24s |
| 2026-05-22 00:40 · पुन्हा चाचणी | 6.3 | 8.4 | 10.0 | 8/20 | 4 | 62,397 | 0 | $0.055 | 2.27s |
| फरक | +1.3 | +0.4 | 0.0 | +2 | -1 | +2870 | +35116 | +$0.003 | -35ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
किंमत इतिहास
OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.
| तारीख | इनपुट किंमत | आउटपुट किंमत |
|---|---|---|
| 2026-06-04 15:40 | $0.250 / 1M | $0.750 / 1M |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Mercury 2mediumvsGrok Build 0.1mediumMercury 2mediumvsDeepSeek V4 ProhighMercury 2mediumvsGPT-5.3 ChatnoneMercury 2mediumvsMiniMax M3mediumMercury 2mediumvsGPT-5.4 NanomediumMercury 2mediumvsGemini 3.5 FlashhighMercury 2mediumvsGemini 3 Flash PreviewmediumMercury 2mediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धMercury 2mediumvsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 6.9 | 9.9 | |
| कोडिंग | 8.2 | 7.7 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| 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 |