AI BENCHY
Advertise here

#153

Mercury 2

Inception Lansare: 2026-02-24 Testat la: 2026-05-22 00:39 inception/mercury-2::none
(medium) (none)

Scor

4.6

Consistență

9.1

Total tokenuri de ieșire

3,001

Total tokenuri de intrare

25,515

Preț de intrare

$0.250 / 1M

Preț de ieșire

$0.750 / 1M

Teste corecte

Teste greșite: 16

Rată de trecere pe încercare: 25.0%

Teste instabile

2

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

Timp de răspuns (mediu)

614ms

Timp de răspuns (maxim): 1.27s

Timp de răspuns (total): 12.28s

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-05-22 00:39 Suită modificată 4.6 10.0 $0.009 Rularea curentă
2026-04-11 01:44 Prima rulare înregistrată 4.8 N/D $0.007 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-22 00:39 · Rularea curentă4.69.110.04/2023,00125,515$0.009614ms
2026-04-11 01:44 · Prima rulare înregistrată4.89.0N/D4/1821,6250$0.007613ms
Diferență-0.2+0.100+1376+25515+$0.003+1ms

Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-03 21:35 $0.250 / 1M $0.750 / 1M

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

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 3.0 10.0
Programare 3.5 9.4
Combinat 3.0 10.0
Parsare și extragere de date 7.3 5.9
Specific domeniului 5.3 7.2
Inteligență generală 4.8 10.0
Respectarea instrucțiunilor 6.5 10.0
Rezolvare de puzzle-uri 3.1 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate