Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Inception: Mercury 2 vs Mistral: Mistral Small 4

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-17

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 Mistral Small 4 Mistral Small 4 none Lansare: 2026-03-16
Rang #42 #61
Scor 6.3 5.3
Consistență 8.5 9.5
Cost per rezultat 0.634 0.108
Cost total $0.045 $0.006
Teste corecte
Rată de trecere pe încercare 51.0% 33.3%
Teste instabile 3 1
Rulări totale 51 51
Tokenuri de ieșire 3,723 1,624
Tokenuri de raționament 46,120 0
Timp de răspuns (mediu) 2.25s 629ms
Timp de răspuns (maxim) 14.63s 1.72s
Timp de răspuns (total) 35.99s 10.70s

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 ieșire Tokenuri de raționament
Mercury 2 6.9 9.9 50.0% 0 1.12s 2,546 2,609
Mistral Small 4 3.4 7.9 16.7% 1 395ms 182 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 3.28s 268 4,887
Mistral Small 4 3.0 10.0 0.0% 0 1.72s 496 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 7.3 5.9 83.3% 1 1.11s 183 1,656
Mistral Small 4 10.0 10.0 100.0% 0 822ms 261 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 2.9 7.2 11.1% 1 6.48s 41 30,754
Mistral Small 4 5.3 10.0 33.3% 0 367ms 28 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 4.8 10.0 0.0% 0 821ms 137 542
Mistral Small 4 4.0 10.0 0.0% 0 729ms 205 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.07s 14 958
Mistral Small 4 6.5 10.0 50.0% 0 380ms 69 0
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.9 7.5 22.2% 1 934ms 354 2,758
Mistral Small 4 3.1 9.9 0.0% 0 589ms 170 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.89s 180 1,956
Mistral Small 4 10.0 10.0 100.0% 0 1.40s 213 0

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-FlashnoneSeed-2.0-LitenonevsMercury 2mediumGemini 2.5 FlashnonevsMercury 2mediumMercury 2mediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsHunter AlphanoneMistral Small 4nonevsQwen3 Coder NextmediumMercury 2mediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsQwen3.5-122B-A10BnoneMistral Small 4nonevsGLM 4.7 FlashmediumMiniMax M2.5mediumDisponibil gratuitvsMistral Small 4none