#143 Mercury 2
none- Cost
- $0.002
- Timp
- 1.8s
- Tokenuri
- 1,514 tok
Rezumat
Mercury 2 obține 4.6 pe AI BENCHY și este pe #143. Are fiabilitate 10.0, rată de reușită 25.0%, cost total $0.009 și timp mediu de răspuns 614ms.
Ce face Mercury 2 unic: Se remarcă cel mai mult la Inteligență generală, unde este pe #3, iar Trucuri anti-AI este zona cea mai slabă, la #13. Este vizibil rapid față de modele similare.
4.6
Consistență
9.1
10.0
$0.009
Total tokenuri de ieșire
2,984
Total tokenuri de intrare
0
Preț de intrare
$0.250 / 1M
Preț de ieșire
$0.750 / 1M
Teste instabile
2
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 | 4.5 | 10.0 | $0.011 | 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
| 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 00:39 · Suită modificată | 4.6 | 9.1 | 10.0 | 4/20 | 2 | 2,984 | 0 | $0.009 | 614ms |
| 2026-04-11 01:44 · Prima rulare înregistrată | 4.8 | 9.0 | N/D | 4/18 | 2 | 1,625 | 0 | $0.007 | 613ms |
| Diferență | -0.2 | +0.1 | 0 | 0 | +1359 | 0 | +$0.003 | +1ms |
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 2nonevsGPT-5.4 MininoneMercury 2nonevsDeepSeek V3.2noneMercury 2nonevsMiniMax M2.7mediumMercury 2nonevsQwen3.5 Plus 2026-04-20noneMercury 2nonevsQwen3.6 35B A3BnoneMercury 2nonevsGemini 3.5 FlashhighMercury 2nonevsGemini 3 Flash PreviewmediumMercury 2nonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitMercury 2nonevsGPT-5.5low
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 |