Inception: Mercury 2 vs Poolside: Laguna S 2.1

Laguna S 2.1 (low) conduce la scorul mediu cu 5.0 vs 4.6. Mercury 2 are costul de benchmark mai mic, $0.030 vs $0.091. Mercury 2 este mai rapid cu 829ms vs 85.35s, cu rate de reușită de 22.7% vs 25.8%.

Model recomandatMercury 2Scorul rămâne aproape de cel mai bun scor de aici (4.6 vs 5.0) și costă de aproximativ 3.1x mai puțin decât Laguna S 2.1 (low).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-22

Metrică	Mercury 2 Mercury 2 none Lansare: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low Lansare: 2026-07-21 Disponibil gratuit

Metrică	Mercury 2 Mercury 2 none Lansare: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low Lansare: 2026-07-21 Disponibil gratuit
Scor	4.6	5.0
Rang	#198	#181
Fiabilitate	10.0	9.9
Consistență	9.2	7.8
Teste corecte
Rată de trecere pe încercare	22.7%	25.8%
Teste instabile	2	6
Rulări totale	66	66
Cost per rezultat	0.734	3.022
Cost total	$0.030	$0.091
Preț de intrare	$0.250 / 1M	$0.100 / 1M
Preț de ieșire	$0.750 / 1M	$0.200 / 1M
Total tokenuri de intrare	88,704	118,746
Tokenuri de ieșire	9,564	67,823
Tokenuri de raționament	0	383,885
Timp de răspuns (mediu)	829ms	85.35s
Timp de răspuns (maxim)	4.52s	814.73s
Timp de răspuns (total)	18.24s	1877.64s

Hamster playing table tennis

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

#198 Mercury 2

none

Cost: $0.002
Timp: 1.8s
Tokenuri: 1,514 tok

#181 Laguna S 2.1

low

Cost: $0.001
Timp: 6.6s
Tokenuri: 1,314 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	3.0	10.0	0.0%	0		483ms	631	286	0
Laguna S 2.1	3.4	5.8	25.0%	2		80.66s	616	311	43,722

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	3.4	9.6	0.0%	0		1.03s	7,229	3,088	0
Laguna S 2.1	3.8	7.1	22.2%	1		167.51s	7,917	58,111	119,138

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	3.0	10.0	0.0%	0		2.56s	65,412	5,256	0
Laguna S 2.1	3.2	5.2	16.7%	1		412.50s	92,870	8,211	174,584

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		667ms	6,362	180	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.76s	7,689	243	1,981

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	5.3	7.2	44.4%	1		534ms	784	46	0
Laguna S 2.1	3.0	10.0	0.0%	0		2.51s	765	24	2,606

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		628ms	495	159	0
Laguna S 2.1	4.8	10.0	0.0%	0		650ms	513	120	0

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	6.5	10.0	50.0%	0		551ms	691	82	0
Laguna S 2.1	4.3	6.8	16.7%	1		423ms	702	60	0

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	3.1	10.0	0.0%	0		535ms	694	251	0
Laguna S 2.1	3.1	7.3	11.1%	1		2.70s	699	447	1,444

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		1.27s	6,193	197	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.36s	6,747	286	417

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		548ms	213	19	0
Laguna S 2.1	3.0	10.0	0.0%	0		202.49s	228	10	39,993

Comparație rapidă

Schimbă perechea de comparație