#90 Mercury 2
medium- Cost
- $0.002
- Timp
- 2.1s
- Tokenuri
- 1,702 tok
Inception
Lansare: 2026-02-24
Testat la: 2026-05-22 00:40
inception/mercury-2::medium
(medium)
(none)
Rezumat
Mercury 2 obține 6.3 pe AI BENCHY și este pe #90. Are fiabilitate 10.0, rată de reușită 50.0%, cost total $0.055 și timp mediu de răspuns 2.27s.
Ce face Mercury 2 unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Parsare și extragere de date este zona cea mai slabă, la #13.
6.3
Consistență
8.4
10.0
$0.055
Total tokenuri de ieșire
62,397
Total tokenuri de intrare
0
Preț de intrare
$0.250 / 1M
Preț de ieșire
$0.750 / 1M
Teste instabile
4
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 14:27 Test nou adăugat | 6.6 | 10.0 | $0.058 | Compară | |
| 2026-05-22 00:40 Retestare | 6.3 | 10.0 | $0.055 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 6.5 | N/D | $0.047 | Compară |
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:40 · Retestare | 6.3 | 8.4 | 10.0 | 8/20 | 4 | 62,397 | 0 | $0.055 | 2.27s |
| 2026-04-11 01:44 · Prima rulare înregistrată | 6.5 | 8.6 | N/D | 8/18 | 3 | 52,305 | 0 | $0.047 | 2.21s |
| Diferență | -0.2 | -0.2 | 0 | +1 | +10092 | 0 | +$0.009 | +65ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Mercury 2mediumvsGrok Build 0.1mediumMercury 2mediumvsDeepSeek V4 ProhighMercury 2mediumvsGPT-5.3 ChatnoneMercury 2mediumvsMiniMax M3mediumMercury 2mediumvsGPT-5.4 NanomediumMercury 2mediumvsGemini 3.5 FlashhighMercury 2mediumvsGemini 3 Flash PreviewmediumMercury 2mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitMercury 2mediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.9 | 9.9 | |
| Programare | 7.2 | 6.5 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 7.3 | 5.9 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 4.8 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 3.8 | 7.3 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |