Inception: Mercury 2 vs Poolside: Laguna S 2.1

Laguna S 2.1 (low) лидирует по среднему баллу: 5.0 vs 4.6. Mercury 2 имеет более низкую стоимость benchmark: $0.030 vs $0.091. Mercury 2 быстрее: 829ms vs 85.35s, с долей успешных попыток 22.7% vs 25.8%.

Рекомендуемая модельMercury 2Его балл близок к лучшему здесь (4.6 против 5.0), при этом он примерно в 3.1 раза дешевле, чем Laguna S 2.1 (low).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-22

Метрика	Mercury 2 Mercury 2 none Релиз: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low Релиз: 2026-07-21 Бесплатно доступно

Метрика	Mercury 2 Mercury 2 none Релиз: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low Релиз: 2026-07-21 Бесплатно доступно
Оценка	4.6	5.0
Ранг	#198	#181
Надежность	10.0	9.9
Стабильность	9.2	7.8
Тестов верно
Доля успешных попыток	22.7%	25.8%
Нестабильные тесты	2	6
Всего запусков	66	66
Стоимость за результат	0.734	3.022
Общая стоимость	$0.030	$0.091
Цена входа	$0.250 / 1M	$0.100 / 1M
Цена выхода	$0.750 / 1M	$0.200 / 1M
Общее число входных токенов	88,704	118,746
Выходные токены	9,564	67,823
Токены рассуждений	0	383,885
Время ответа (среднее)	829ms	85.35s
Время ответа (макс.)	4.52s	814.73s
Время ответа (суммарно)	18.24s	1877.64s

Hamster playing table tennis

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

#198 Mercury 2

none

Стоимость: $0.002
Время: 1.8s
Токены: 1,514 tok

#181 Laguna S 2.1

low

Стоимость: $0.001
Время: 6.6s
Токены: 1,314 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:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.0	10.0	0.0%	0		483ms	631	286	0
Laguna S 2.1	3.4	5.8	25.0%	2		80.66s	616	311	43,722

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.4	9.6	0.0%	0		1.03s	7,229	3,088	0
Laguna S 2.1	3.8	7.1	22.2%	1		167.51s	7,917	58,111	119,138

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.0	10.0	0.0%	0		2.56s	65,412	5,256	0
Laguna S 2.1	3.2	5.2	16.7%	1		412.50s	92,870	8,211	174,584

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	7.3	5.9	83.3%	1		667ms	6,362	180	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.76s	7,689	243	1,981

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	5.3	7.2	44.4%	1		534ms	784	46	0
Laguna S 2.1	3.0	10.0	0.0%	0		2.51s	765	24	2,606

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	4.8	10.0	0.0%	0		628ms	495	159	0
Laguna S 2.1	4.8	10.0	0.0%	0		650ms	513	120	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	6.5	10.0	50.0%	0		551ms	691	82	0
Laguna S 2.1	4.3	6.8	16.7%	1		423ms	702	60	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.1	10.0	0.0%	0		535ms	694	251	0
Laguna S 2.1	3.1	7.3	11.1%	1		2.70s	699	447	1,444

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.27s	6,193	197	0
Laguna S 2.1	10.0	10.0	100.0%	0		2.36s	6,747	286	417

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.0	10.0	0.0%	0		548ms	213	19	0
Laguna S 2.1	3.0	10.0	0.0%	0		202.49s	228	10	39,993

Быстрое сравнение

Сменить пару сравнения