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 Elephant

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-14

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 Elephant Elephant none Lansare: 2026-04-14
Scor 6.5 5.2
Rang #51 #81
Consistență 8.6 9.6
Teste corecte
Rată de trecere pe încercare 53.7% 31.5%
Teste instabile 3 1
Rulări totale 54 54
Cost per rezultat 0.580 0.000
Cost total $0.047 $0.000
Preț de intrare $0.250 / 1M $0.000 / 1M
Preț de ieșire $0.750 / 1M $0.000 / 1M
Tokenuri de ieșire 3,972 2,573
Tokenuri de raționament 48,333 0
Timp de răspuns (mediu) 2.21s 1.23s
Timp de răspuns (maxim) 14.63s 3.81s
Timp de răspuns (total) 37.51s 22.16s

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
Elephant 6.6 10.0 50.0% 0 963ms 610 0
Programare 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 1.53s 249 2,213
Elephant 6.4 3.3 66.7% 1 1.39s 375 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
Elephant 3.0 10.0 0.0% 0 3.81s 731 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
Elephant 6.5 10.0 50.0% 0 1.04s 246 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
Elephant 3.0 10.0 0.0% 0 927ms 24 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
Elephant 4.0 10.0 0.0% 0 854ms 106 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
Elephant 9.8 10.0 100.0% 0 1.03s 81 0
Rezolvare de puzzle-uri 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
Elephant 3.3 10.0 0.0% 0 849ms 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
Elephant 3.0 10.0 0.0% 0 2.79s 230 0

Comparație rapidă

Schimbă perechea de comparație

Mercury 2mediumvsMiMo-V2-OmninoneMiniMax M2.7mediumvsElephantnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsGLM 5V TurbononeMercury 2mediumvsQwen3.5-FlashnoneGemma 4 26B A4BnoneDisponibil gratuitvsMercury 2mediumSeed-2.0-LitenonevsMercury 2mediumGemini 2.5 FlashnonevsMercury 2mediumMercury 2mediumvsQwen3.5-35B-A3BnoneDeepSeek V3.2nonevsMercury 2mediumGemma 4 31BnoneDisponibil gratuitvsMercury 2medium