Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Cobuddy vs Inception: Mercury 2

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-03

Metrică Cobuddy Cobuddy medium Lansare: 2026-05-06 Mercury 2 Mercury 2 none Lansare: 2026-02-24
Scor 5.8 4.6
Rang #116 #153
Fiabilitate 10.0 10.0
Consistență 7.4 9.1
Teste corecte
Rată de trecere pe încercare 50.0% 25.0%
Teste instabile 6 2
Rulări totale 60 60
Cost per rezultat 0.000 0.216
Cost total $0.000 $0.009
Preț de intrare $0.000 / 1M $0.250 / 1M
Preț de ieșire $0.000 / 1M $0.750 / 1M
Total tokenuri de intrare 37,449 25,515
Tokenuri de ieșire 1,677 3,001
Tokenuri de raționament 116,703 0
Timp de răspuns (mediu) 39.90s 614ms
Timp de răspuns (maxim) 309.02s 1.27s
Timp de răspuns (total) 797.98s 12.28s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 8.7 7.9 91.7% 1 10.00s 453 98 4,666
Mercury 2 3.0 10.0 0.0% 0 483ms 631 286 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 4.1 5.1 33.3% 1 79.17s 4,726 358 30,138
Mercury 2 3.5 9.4 0.0% 0 831ms 4,631 1,650 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 3.0 10.0 0.0% 0 47.38s 18,324 465 7,265
Mercury 2 3.0 10.0 0.0% 0 606ms 4,821 131 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 6.3 5.8 66.7% 1 17.36s 8,181 275 5,591
Mercury 2 7.3 5.9 83.3% 1 667ms 6,362 180 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 2.9 4.4 22.2% 2 128.15s 540 10 49,454
Mercury 2 5.3 7.2 44.4% 1 534ms 784 46 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 4.2 9.9 0.0% 0 23.23s 498 76 3,782
Mercury 2 4.8 10.0 0.0% 0 628ms 495 159 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 9.8 10.0 100.0% 0 11.60s 508 64 2,842
Mercury 2 6.5 10.0 50.0% 0 551ms 691 82 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 3.6 7.2 22.2% 1 12.83s 561 189 5,808
Mercury 2 3.1 10.0 0.0% 0 535ms 694 251 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 10.0 10.0 100.0% 0 11.19s 3,505 133 294
Mercury 2 10.0 10.0 100.0% 0 1.27s 6,193 197 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Cobuddy 3.0 10.0 0.0% 0 36.98s 153 9 6,863
Mercury 2 3.0 10.0 0.0% 0 548ms 213 19 0

Comparație rapidă

Schimbă perechea de comparație