AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#157

Mercury 2.5 Preview

Inception Lansare: 2026-09-02 Testat la: 2026-09-02 02:06 inception/mercury-2.5-preview::high
~100BAltulÎnchisEstimat
(high) (medium) (low) (none)

Rezumat

Mercury 2.5 Preview obține 6.6 pe AI BENCHY și este pe #157. Are fiabilitate 10.0, rată de reușită 65.2%, cost total $0.030 și timp mediu de răspuns 4.01s.

Ce face Mercury 2.5 Preview unic: Se remarcă cel mai mult la Inteligență generală, unde este pe #4, iar Specific domeniului este zona cea mai slabă, la #13.

Date despre model

Documentat la 2026-09-02

Estimat
Parametri
~100B
Arhitectură
Altul
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor Sursa disponibilității

Scor

6.6

Consistență

8.2

Fiabilitate

10.0

Cost total (preț curent)

$0.030

Total tokenuri de ieșire

163,505

Total tokenuri de intrare

115,759

Preț de intrare

$0.040 / 1M

Preț de ieșire

$0.150 / 1M

Teste corecte

Teste greșite: 10

Rată de trecere pe încercare: 65.2%

Teste instabile

5

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

4.01s

Timp de răspuns (maxim): 17.71s

Timp de răspuns (total): 88.25s

Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1

Hamster playing table tennis

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

#157 Mercury 2.5 Preview

high
Cost
$0.001
Timp
4.5s
Tokenuri
3,851 tok

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Mercury 2.5 PreviewhighvsQwen3.6 35B A3BmediumMercury 2.5 PreviewhighvsQwen3.5 Plus 2026-02-15noneMercury 2.5 PreviewhighvsGemini 3.1 Flash LitelowMercury 2.5 PreviewhighvsQwen3.6 27BmediumMercury 2.5 PreviewhighvsInkling SmallmediumMercury 2.5 PreviewhighvsLaguna XS 2.1mediumDisponibil gratuitMercury 2.5 PreviewhighvsGemini 3.1 Flash Lite PreviewlowMercury 2.5 PreviewhighvsGemini 3.1 Flash Lite PreviewnoneMercury 2.5 PreviewhighvsQwen3.5-27BnoneMercury 2.5 PreviewhighvsQwen3.6 Max Previewnone

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 6.7 7.8
Combinat 3.8 1.6
Parsare și extragere de date 10.0 10.0
Specific domeniului 2.9 4.4
Inteligență generală 5.1 10.0
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 10.0 10.0
Apelare instrumente 3.0 10.0
Cultură generală 3.0 10.0

Modele comparate