Mercury 2.5 Preview (medium) vs Beam 1.0 501B A23B (xhigh)

Mercury 2.5 Preview (medium) лидирует по среднему баллу: 6.8 vs 6.5. Mercury 2.5 Preview (medium) имеет более низкую стоимость benchmark: $0.039 vs $0.688. Mercury 2.5 Preview (medium) быстрее: 6.66s vs 9.18s, с долей успешных попыток 66.7% vs 63.8%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-17

Сравниваемые модели

Ранг: #199
Общее число выходных токенов: 150,107
Время ответа (среднее): 6.66s
Общая стоимость: $0.039

Ранг: #226
Общее число выходных токенов: 158,497
Время ответа (среднее): 9.18s
Общая стоимость: $0.688

Рекомендуемая модель Mercury 2.5 Preview (medium)

Здесь у него лучший балл (6.8), при этом он примерно в 17.9 раза дешевле, чем Beam 1.0 501B A23B (xhigh).

Подробное сравнение

Метрика	Mercury 2.5 Preview Mercury 2.5 Preview medium Релиз: 2026-09-02	Beam 1.0 501B A23B Beam 1.0 501B A23B xhigh Релиз: 2026-10-17

Метрика	Mercury 2.5 Preview Mercury 2.5 Preview medium Релиз: 2026-09-02	Beam 1.0 501B A23B Beam 1.0 501B A23B xhigh Релиз: 2026-10-17
Оценка	6.8	6.5
Ранг	#199	#226
Надежность	10.0	10.0
Стабильность	9.6	8.3
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	66.7%	63.8%
Нестабильные тесты	1	5
Всего запусков	69	69
Стоимость за результат	0.244	5.730
Общая стоимость	$0.039	$0.688
Цена входа	$0.040 / 1M	$1.000 / 1M
Цена выхода	$0.150 / 1M	$3.000 / 1M
Цена чтения из кэша	Н/Д	$0.100 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	397,291	212,065
Выходные токены	6,355	4,428
Токены рассуждений	143,752	154,069
Время ответа (среднее)	6.66s	9.18s
Время ответа (макс.)	74.63s	44.64s
Время ответа (суммарно)	153.29s	211.12s
Параметры	~100B	501B всего (23B активных)
Доступность	Закрытая модель	Открытый исходный код

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#199 Mercury 2.5 Preview

medium

Стоимость: $0.001
Время: 2.7s
Токены: 2,241 tok

#226 Beam 1.0 501B A23B

xhigh

Стоимость: $0.009
Время: 16.5s
Токены: 6,827 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	3.9	9.6	0.0%	0		74.63s	284,578	919	22,154
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		44.64s	181,898	2,416	18,550

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.43s	781	203	7,921
Beam 1.0 501B A23B	9.2	8.4	91.7%	1		1.52s	1,125	355	3,764

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	7.8	10.0	66.7%	0		3.86s	7,839	552	22,126
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		20.68s	7,801	585	46,192

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		2.68s	7,671	132	2,097

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.77s	8,292	514	11,354
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.60s	7,998	271	2,047

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	5.3	7.2	44.4%	1		3.72s	853	62	17,120
Beam 1.0 501B A23B	5.9	7.2	55.6%	1		20.22s	1,122	72	59,707

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	5.0	10.0	0.0%	0		2.09s	538	99	3,375
Beam 1.0 501B A23B	5.1	3.4	33.3%	1		2.50s	618	87	2,749

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.35s	744	96	3,987
Beam 1.0 501B A23B	9.8	10.0	100.0%	0		1.15s	925	90	1,631

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.87s	771	274	7,323
Beam 1.0 501B A23B	5.8	4.4	66.7%	2		4.46s	1,038	309	9,948

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.37s	0	0	0
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		1.84s	1,533	72	465

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2.5 Preview	3.0	10.0	0.0%	0		4.13s	232	29	6,804
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		9.10s	336	39	6,919

Сменить пару сравнения