AI BENCHY Compare
Inception: Mercury 2 vs MiniMax: MiniMax M2.5
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-05
| Metrică | Inception: Mercury 2 medium Lansare: 2026-02-24 | MiniMax: MiniMax M2.5 medium Lansare: 2026-02-12 |
|---|---|---|
| Rang | #35 | #42 |
| Scor mediu | 54 | 48 |
| Consistență | 83 | 58 |
| Cost per rezultat | 0.622 | 4.937 |
| Cost total | $0.044 | $0.247 |
| Teste corecte | ||
| Rată de trecere pe încercare | 57.8% | 62.2% |
| Teste instabile | 3 | 8 |
| Tokenuri de ieșire | 3,571 | 107,019 |
| Tokenuri de raționament | 45,379 | 204,504 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 73 | 98 | 66.7% | 0 | 2,531 | 2,410 | |
| MiniMax: MiniMax M2.5 | 93 | 79 | 88.9% | 1 | 286 | 45,112 |
| Combinat | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 268 | 4,887 | |
| MiniMax: MiniMax M2.5 | 100 | 21 | 66.7% | 1 | 740 | 9,713 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 183 | 1,656 | |
| MiniMax: MiniMax M2.5 | 100 | 17 | 66.7% | 2 | 266 | 3,835 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 72 | 11.1% | 1 | 41 | 30,754 | |
| MiniMax: MiniMax M2.5 | 100 | 44 | 22.2% | 2 | 105,047 | 133,487 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 14 | 958 | |
| MiniMax: MiniMax M2.5 | 80 | 68 | 83.3% | 1 | 252 | 1,873 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 17 | 75 | 22.2% | 1 | 354 | 2,758 | |
| MiniMax: MiniMax M2.5 | 40 | 72 | 44.4% | 1 | 159 | 9,547 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 180 | 1,956 | |
| MiniMax: MiniMax M2.5 | 100 | 100 | 100.0% | 0 | 269 | 937 |
Comparație rapidă
Schimbă perechea de comparație
MiniMax M2.5mediumvsQwen3.5-27BnoneMiniMax M2.5mediumvsQwen3.5-35B-A3BnoneMiniMax M2.5mediumvsQwen3.5-FlashnoneGemini 2.5 FlashnonevsMercury 2mediumMiniMax M2.5mediumvsGPT-5.4noneDeepSeek V3.2nonevsMercury 2mediumMiniMax M2.5mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneDeepSeek V3.2nonevsMiniMax M2.5mediumGemini 2.5 FlashnonevsMiniMax M2.5mediumTrinity Large Preview (free)noneDisponibil gratuitvsMiniMax M2.5medium