AI BENCHY
Advertise here
#99

Mercury 2

Inception प्रकाशन: 2026-02-24 चाचणी तारीख: 2026-04-11 01:44 inception/mercury-2::none
(medium) (none)

सारांश

Mercury 2 AI BENCHY वर 4.8 स्कोर करते आणि #99 वर आहे. याची reliability लागू नाही, pass rate 27.8%, एकूण खर्च $0.007, आणि सरासरी response time 613ms आहे.

Mercury 2 खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

स्कोअर

4.8

सुसंगतता

9.0

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.007

एकूण आउटपुट टोकन्स

1,625

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.250 / 1M

आउटपुट किंमत

$0.750 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 14

प्रति प्रयत्न पास दर: 27.8%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

613ms

प्रतिसाद वेळ (कमाल): 1.27s

प्रतिसाद वेळ (एकूण): 11.04s

चुकीचे उत्तर: 13 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

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

#99 Mercury 2

none
खर्च
$0.002
वेळ
1.8s
टोकन्स
1,514 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-07-16 23:13 नवीन चाचणी जोडली 4.6 10.0 $0.030 तुलना करा
2026-06-04 14:27 नवीन चाचणी जोडली 4.5 10.0 $0.011 तुलना करा
2026-05-22 00:39 सूट बदलला 4.6 10.0 $0.009 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 4.8 लागू नाही $0.007 सध्याची रन

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 2nonevsInklingnoneMercury 2nonevsQwen3 Coder NextnoneMercury 2nonevsMistral Small 4mediumMercury 2nonevsLing-2.6-1TnoneMercury 2nonevsMiMo-V2.5noneMercury 2nonevsGemini 3 Flash PreviewmediumMercury 2nonevsGemini 3.5 FlashhighMercury 2nonevsNemotron 3 Ultramediumमोफत उपलब्धMercury 2nonevsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 3.0 10.0
कोडिंग 3.6 8.9
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 7.3 5.9
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 4.8 10.0
सूचनांचे पालन 6.5 10.0
कोडी सोडवणे 3.1 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स