#59 Mercury 2
medium- खर्च
- $0.002
- वेळ
- 2.1s
- टोकन्स
- 1,702 tok
Inception
प्रकाशन: 2026-02-24
चाचणी तारीख: 2026-04-11 01:44
inception/mercury-2::medium
(medium)
(none)
सारांश
Mercury 2 AI BENCHY वर 6.5 स्कोर करते आणि #59 वर आहे. याची reliability लागू नाही, pass rate 53.7%, एकूण खर्च $0.047, आणि सरासरी response time 2.21s आहे.
Mercury 2 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडी सोडवणे हा सर्वात कमकुवत भाग आहे, rank #18. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
6.5
सुसंगतता
8.6
लागू नाही
$0.047
एकूण आउटपुट टोकन्स
52,305
एकूण इनपुट टोकन्स
0
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).
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 |
|---|---|---|---|---|---|
| 2026-07-16 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 | सध्याची रन |
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 2mediumvsDeepSeek V3.2mediumMercury 2mediumvsGrok 4.20mediumMercury 2mediumvsGemini 3.5 FlashnoneMercury 2mediumvsGLM 5.1mediumMercury 2mediumvsSeed-2.0-MinimediumMercury 2mediumvsGemini 3 Flash PreviewmediumMercury 2mediumvsGemini 3.5 FlashhighMercury 2mediumvsNemotron 3 Ultramediumमोफत उपलब्धMercury 2mediumvsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 6.9 | 9.9 | |
| कोडिंग | 10.0 | 10.0 | |
| 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 | 3.9 | 7.5 | |
| टूल कॉलिंग | 10.0 | 10.0 |