#59 Mercury 2
medium- لاگت
- $0.002
- وقت
- 2.1s
- ٹوکنز
- 1,702 tok
Inception
اجرا: 2026-02-24
ٹیسٹ کیا گیا: 2026-04-11 01:44
inception/mercury-2::medium
~100Bدیگربند ماخذتخمینہ
(medium)
(none)
خلاصہ
Mercury 2 AI BENCHY پر 6.5 اسکور کرتا ہے اور #59 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 53.7%، کل لاگت $0.047، اور اوسط response time 2.21s ہے۔
Mercury 2 کو منفرد کیا بناتا ہے: اس score range کے لیے اس کی کل benchmark لاگت غیر معمولی طور پر کم ہے۔ یہ ملتے جلتے models کے مقابلے میں نمایاں طور پر تیز ہے۔
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- ~100B
- ساخت
- دیگر
- دستیابی
- بند ماخذ
- لائسنس
- -
عوامی شواہد کی بنیاد پر بہترین تخمینہ؛ فراہم کنندہ نے تمام اقدار ظاہر نہیں کیں۔
6.5
تسلسل
8.6
دستیاب نہیں
$0.047
کل آؤٹ پٹ ٹوکنز
52,305
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.250 / 1M
آؤٹ پٹ قیمت
$0.750 / 1M
کیش پڑھنے کی قیمت
دستیاب نہیں
کیش میں لکھنے کی قیمت
دستیاب نہیں
کیش کی قیمتیں ان پٹ ٹوکنز پر لاگو ہوتی ہیں۔ پڑھنے سے محفوظ پرامپٹ دوبارہ استعمال ہوتے ہیں؛ لکھنے سے وہ محفوظ ہوتے ہیں اور اضافی لاگت آ سکتی ہے۔ آؤٹ پٹ ٹوکنز پر آؤٹ پٹ کی قیمت لاگو ہوتی ہے۔
غیر مستحکم ٹیسٹ
3
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 03:05 دوبارہ ٹیسٹ | 7.0 | 10.0 | $0.094 | موازنہ کریں | |
| 2026-07-16 23:14 نیا ٹیسٹ شامل ہوا | 7.0 | 10.0 | $0.093 | موازنہ کریں | |
| 2026-06-04 14:27 نیا ٹیسٹ شامل ہوا | 6.6 | 10.0 | $0.058 | موازنہ کریں | |
| 2026-05-22 00:40 دوبارہ ٹیسٹ | 6.3 | 10.0 | $0.055 | موازنہ کریں | |
| 2026-04-11 01:44 پہلا ریکارڈ شدہ رن | 6.5 | دستیاب نہیں | $0.047 | موجودہ رن |
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · پہلا ریکارڈ شدہ رن | 54/54 کوششیں | 6.5 | 8.6 | دستیاب نہیں | 8/18 | 3 | 52,305 | 0 | $0.047 | 2.21s |
| 2026-08-14 03:05 · دوبارہ ٹیسٹ | 66/66 کوششیں | 7.0 | 8.4 | 10.0 | 10/22 | 4 | 87,554 | 110,515 | $0.094 | 2.95s |
| فرق | — | -0.5 | +0.2 | -2 | -1 | -35249 | -110515 | -$0.047 | -740ms |
بینچ مارک کوریج مختلف ہے: 54/54 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 66/66 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
Mercury 2mediumvsLongCat 2.0lowMercury 2mediumvsStep 3.7 FlashhighMercury 2mediumvsQwen3.7 FlashmediumMercury 2mediumvsBeam 1.0 501B A23BmediumMercury 2mediumvsGLM 5.2noneMercury 2mediumvsKAT-Coder-Pro V2.5lowMercury 2mediumvsGPT-5.5noneMercury 2mediumvsClaude Sonnet 5.5mediumMercury 2mediumvsGLM 5.3 FlashlowMercury 2mediumvsQwen3.6 35B A3Bmedium
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 6.9 | 9.9 | |
| کوڈنگ | 10.0 | 10.0 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 7.3 | 5.9 | |
| ڈومین مخصوص | 2.9 | 7.2 | |
| عمومی ذہانت | 4.8 | 10.0 | |
| ہدایات کی پیروی | 10.0 | 10.0 | |
| پہیلی حل کرنا | 3.9 | 7.5 | |
| ٹول کالنگ | 10.0 | 10.0 |