#50

Mercury 2

Inception · प्रकाशन: 2026-02-24 · inception/mercury-2::none

सरासरी स्कोअर

31

प्रति निकाल खर्च

0.196

सुसंगतता

89

एकूण खर्च

$0.006

बरोबर चाचण्या

3

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

चुकीच्या चाचण्या

12

प्रति प्रयत्न पास दर: 26.7%

अस्थिर चाचण्या

2

प्रतिसाद वेळ: सरासरी 594ms · एकूण 8.91s · कमाल 1.27s

चुकीचे उत्तर: 11 सूचनांचे पालन केले नाही: 1

स्कोअरनुसार शीर्ष मॉडेल्स

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

#43 Qwen3.5-35B-A3B 45

#44 GPT-5.4 45

#45 Trinity Large Preview (free) 41

#46 GPT-4o-mini 41

#47 GLM 4.7 Flash 38

#48 Kimi K2.5 37

#49 Qwen3 Coder Next 34

#50 Mercury 2 31

#51 Qwen3 Coder Next 31

#52 Grok 4.1 Fast 29

#53 GLM 4.7 Flash 29

#54 MiMo-V2-Flash 27

#55 LFM2-24B-A2B 23

श्रेणी	सरासरी स्कोअर	सुसंगतता	बरोबर चाचण्या
Anti-AI Tricks	100	100	0/3
Combined	100	100	0/1
Data parsing and extraction	55	59	1/2
Domain specific	40	72	1/3
Instructions following	35	100	0/2
Puzzle Solving	100	100	0/3
Tool Calling	100	100	1/1