Navigare
Advertise here

Mercury 2.5 Preview (medium) vs Qwen4 Max

Qwen4 Max conduce la scorul mediu cu 7.0 vs 6.8. Mercury 2.5 Preview (medium) are costul de benchmark mai mic, $0.039 vs $0.465. Qwen4 Max este mai rapid cu 6.38s vs 6.66s, cu rate de reușită de 66.7% vs 63.8%.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-11-16

Modele comparate

Rang
#248
Total tokenuri de ieșire
150,107
Timp de răspuns (mediu)
6.66s
Cost total
$0.039
Rang
#230
Total tokenuri de ieșire
9,342
Timp de răspuns (mediu)
6.38s
Cost total
$0.465
Model recomandat Mercury 2.5 Preview (medium)

Scorul rămâne aproape de cel mai bun scor de aici (6.8 vs 7.0) și costă de aproximativ 12.1x mai puțin decât Qwen4 Max.

Comparație detaliată

Metrică Mercury 2.5 Preview Mercury 2.5 Preview medium Lansare: 2026-09-02 Qwen4 Max Qwen4 Max none Lansare: 2026-11-16
Scor 6.8 7.0
Rang #248 #230
Fiabilitate 10.0 10.0
Consistență 9.6 9.6
Încercări 69/69 69/69
Teste corecte
Rată de trecere pe încercare 66.7% 63.8%
Teste instabile 1 1
Rulări totale 69 69
Cost per rezultat 0.244 3.321
Cost total $0.039 $0.465
Preț de intrare $0.040 / 1M $1.500 / 1M
Preț de ieșire $0.150 / 1M $4.500 / 1M
Preț citire cache N/D $0.075 / 1M
Preț scriere cache N/D $1.875 / 1M
Total tokenuri de intrare 397,291 281,902
Tokenuri de ieșire 6,355 9,342
Tokenuri de raționament 143,752 0
Timp de răspuns (mediu) 6.66s 6.38s
Timp de răspuns (maxim) 74.63s 67.27s
Timp de răspuns (total) 153.29s 146.64s
Parametri ~100B ~2.4T în total (~95B activi)
Disponibilitate Închis Închis

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#248 Mercury 2.5 Preview

medium
Cost
$0.001
Timp
2.7s
Tokenuri
2,241 tok

#230 Qwen4 Max

none
Cost
$0.027
Timp
123.5s
Tokenuri
6,091 tok

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

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
Mercury 2.5 Preview 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126
Qwen4 Max 5.8 10.0 33.3% 0 1.97s 8,010 384 0

Schimbă perechea de comparație