#40

Mercury 2

Inception · Lansare: 2026-02-24 · inception/mercury-2::medium

Scor mediu

48

Cost per rezultat

0.726

Consistență

83

Cost total

$0.044

Teste corecte

6

Un test este considerat trecut complet doar dacă toate rulările lui trec.

Teste greșite

9

Rată de trecere pe încercare: 51.1%

Teste instabile

3

Timp de răspuns: medie 2.47s · total 34.56s · maxim 14.63s

Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Eroare API: 1

Top modele după scor

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

#34 GPT-5 Nano 54

#35 gpt-oss-120b 51

#36 Gemini 2.5 Flash 51

#37 Qwen3.5-27B 49

#38 DeepSeek V3.2 49

#39 Qwen3.5-122B-A10B 49

#40 Mercury 2 48

#41 Qwen3.5-Flash 47

#42 MiniMax M2.5 46

#43 Qwen3.5-35B-A3B 45

#44 GPT-5.4 45

#45 Trinity Large Preview (free) 41

#46 GPT-4o-mini 41

Categorie	Scor mediu	Consistență	Teste corecte
Anti-AI Tricks	73	98	2/3
Combined	100	100	1/1
Data parsing and extraction	55	59	1/2
Domain specific	100	72	0/3
Instructions following	55	100	1/2
Puzzle Solving	17	75	0/3
Tool Calling	100	100	1/1