#99 Mercury 2
none- لاگت
- $0.002
- وقت
- 1.8s
- ٹوکنز
- 1,514 tok
Inception
اجرا: 2026-02-24
ٹیسٹ کیا گیا: 2026-04-11 01:44
inception/mercury-2::none
~100Bدیگربند ماخذتخمینہ
(medium)
(none)
خلاصہ
Mercury 2 AI BENCHY پر 4.8 اسکور کرتا ہے اور #99 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 27.8%، کل لاگت $0.007، اور اوسط response time 613ms 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۔
4.8
تسلسل
9.0
دستیاب نہیں
$0.007
کل آؤٹ پٹ ٹوکنز
1,625
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.250 / 1M
آؤٹ پٹ قیمت
$0.750 / 1M
غیر مستحکم ٹیسٹ
2
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 | 4.7 | 10.0 | $0.030 | موازنہ کریں | |
| 2026-07-16 23:13 نیا ٹیسٹ شامل ہوا | 4.6 | 10.0 | $0.030 | موازنہ کریں | |
| 2026-06-04 14:27 نیا ٹیسٹ شامل ہوا | 4.5 | 10.0 | $0.011 | موازنہ کریں | |
| 2026-05-22 00:39 سوٹ بدل گیا | 4.6 | 10.0 | $0.009 | موازنہ کریں | |
| 2026-04-11 01:44 پہلا ریکارڈ شدہ رن | 4.8 | دستیاب نہیں | $0.007 | 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 | 4.8 | 9.0 | دستیاب نہیں | 4/18 | 2 | 1,625 | 0 | $0.007 | 613ms |
| 2026-08-14 03:05 · دوبارہ ٹیسٹ | 66/66 کوششیں | 4.7 | 9.2 | 10.0 | 4/22 | 2 | 9,584 | 89,637 | $0.030 | 825ms |
| فرق | — | +0.1 | -0.2 | 0 | 0 | -7959 | -89637 | -$0.024 | -211ms |
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 2nonevsCobuddymediumMercury 2nonevsGranite 4.2 8BhighMercury 2nonevsTrinity Large PreviewnoneMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashnoneMercury 2nonevsMiniMax M2.5mediumMercury 2nonevsKAT-Coder-Air V2.5noneMercury 2nonevsLaguna S 2.1noneمفت دستیابMercury 2nonevsTrinity Large ThinkinghighMercury 2nonevsGLM 4.7 Flashmedium
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 3.0 | 10.0 | |
| کوڈنگ | 3.6 | 8.9 | |
| مشترکہ | 3.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 7.3 | 5.9 | |
| ڈومین مخصوص | 5.3 | 7.2 | |
| عمومی ذہانت | 4.8 | 10.0 | |
| ہدایات کی پیروی | 6.5 | 10.0 | |
| پہیلی حل کرنا | 3.1 | 10.0 | |
| ٹول کالنگ | 10.0 | 10.0 |