mercury-2
1,368±9
1,358CI1,377
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 30 minacum 30 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 7 ore
- Arena · WebDev· acum 7 ore
- Arena · Vision· acum 7 ore
- Arena · Agent· acum 7 ore
- GPQA Diamond· acum 30 de minute
- SWE-bench· acum 30 de minute
- Terminal-Bench· acum 30 de minute
- ARC-AGI-2· acum 30 de minute
Filtrează după organizație:
Lansat:
mercury
1,304±13
1,292CI1,317
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 160 | mercury-2 | inception-ai | oct. 2026 | $0.25 / $0.75 | 1,368 | 1,358–1,377 | #152–824 | ||
| 171 | mercury | inception-ai | oct. 2026 | — | 1,304 | 1,292–1,317 | #210–911 |
Se afișează Factuality Arena exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.