Inception: Mercury 2 vs Z.ai: GLM 5.1

GLM 5.1 (medium) conduce la scorul mediu cu 7.1 vs 7.0. Mercury 2 (medium) are costul de benchmark mai mic, $0.093 vs $0.535. Mercury 2 (medium) este mai rapid cu 2.72s vs 46.77s, cu rate de reușită de 51.5% vs 69.7%.

Model recomandatMercury 2 (medium)Scorul rămâne aproape de cel mai bun scor de aici (7.0 vs 7.1) și costă de aproximativ 5.8x mai puțin decât GLM 5.1 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-18

Metrică	Mercury 2 Mercury 2 medium Lansare: 2026-02-24	GLM 5.1 GLM 5.1 medium Lansare: 2026-04-07

Metrică	Mercury 2 Mercury 2 medium Lansare: 2026-02-24	GLM 5.1 GLM 5.1 medium Lansare: 2026-04-07
Scor	7.0	7.1
Rang	#77	#73
Fiabilitate	10.0	8.3
Consistență	8.8	8.4
Teste corecte
Rată de trecere pe încercare	51.5%	69.7%
Teste instabile	3	4
Rulări totale	66	66
Cost per rezultat	0.928	4.202
Cost total	$0.093	$0.535
Preț de intrare	$0.250 / 1M	$0.966 / 1M
Preț de ieșire	$0.750 / 1M	$3.036 / 1M
Total tokenuri de intrare	109,572	82,623
Tokenuri de ieșire	10,313	16,089
Tokenuri de raționament	76,806	136,463
Timp de răspuns (mediu)	2.72s	46.77s
Timp de răspuns (maxim)	14.63s	308.75s
Timp de răspuns (total)	57.12s	982.16s

Hamster playing table tennis

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

#77 Mercury 2

medium

Cost: $0.002
Timp: 2.1s
Tokenuri: 1,702 tok

#73 GLM 5.1

medium

SVG invalid

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 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

Categorie:

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
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

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	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

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
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

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
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

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
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

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
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

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
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

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
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

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
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	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
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGLM 5.1medium DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone KAT-Coder-Pro V2.5highvsGLM 5.1medium Step 3.7 FlashlowvsGLM 5.1medium Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none Gemini 3.5 FlashnonevsGLM 5.1medium Claude Opus 4.8nonevsGLM 5.1medium Mercury 2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsMercury 2medium