Mercury 2.5 LLMが毎秒770トークンを達成

Mercury 2.5 知能、パフォーマンス、価格分析

知能

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。

公開されているAPIはありません。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 には、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 が含まれています。各評価の詳細と実行方法については、知能指数評価方法を参照してください。

オープンウェイト / プロプライエタリ別 Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。

公開されているAPIはありません。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 には、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 が含まれています。各評価の詳細と実行方法については、知能指数評価方法を参照してください。

オープンウェイト

モデルのウェイトが利用可能かどうかを示します。「Commercial Use Restricted」とラベル付けされているモデルは、条件によって商用利用が制限されており、「Non-commercial」とラベル付けされているモデルは、ライセンスによって商用利用が禁止されています。

知能指数 vs. タスクあたりのコスト

Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト（USD）

最も魅力的な象限

Pareto線

知能指数タスクあたりのコスト

知能指数タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、知能指数で加重されます。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 を含んでいます。各評価の詳細と実行方法については、知能指数評価方法を参照してください。

能力指数

特定の能力や業界におけるモデルのパフォーマンスを測定します。

公開されているAPIはありません。

評価

Artificial Analysis によって個別に測定された知能評価 · 高いほど良い

公開されているAPIはありません。

エージェント型知識作業、（Elo-500）/2000

エージェント型実世界タスク、（Elo-500）/2000

GDP.pdf

専門文書推論、全合格

コーディング

物理学推論

ターミナルでのエージェント型科学研究ワークフロー

オープンソースリポジトリでのエージェント型ソフトウェアエンジニアリング

法的エージェント作業、幻覚抑制全合格率

エージェント型インタラクティブ3D体験、（Elo-500）/2000

医療長文脈推論

知能評価の関連性

モデルの知能は一般的にユースケース全体に翻訳されますが、特定の評価は特定のユースケースにより関連性が高い場合があります。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 を含んでいます。各評価の詳細と実行方法については、知能指数評価方法を参照してください。

AA-Briefcase v1.1 更新済み

AA-Briefcase Elo

AA-Briefcase v1.1 は、Artificial Analysis によって開発されたエージェント型知識作業ベンチマークです。AA-Briefcase Elo は、ルーブリック合格率、分析品質 Elo、プレゼンテーション Elo を集計した複合指標です · 高いほど良い

公開されているAPIはありません。

AA-Briefcase Elo

AA-Briefcase Elo は、分析品質 Elo、プレゼンテーション Elo、ルーブリック合格率を集計した複合指標であり、ルーブリックパフォーマンスは合成的な直接対決マッチを通じて Elo に変換されます。Elo および 95% 信頼区間は 0 にクランプされます。

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index（高いほど良い）は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答を拒否しても罰はありません。スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解が多いことを意味します。

公開されているAPIはありません。

AA-Omniscience Index

AA-Omniscience Index（高いほど良い）は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答を拒否しても罰はありません。スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解が多いことを意味します。

AA-PersonalityBench 新規

Mercury 2.5 の AA-PersonalityBench 結果は利用できません。

知能指数比較

知能指数 vs. タスクあたりのコスト

Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト（USD）

最も魅力的な象限

Pareto線

知能指数タスクあたりのコスト

知能指数タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、知能指数で加重されます。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 を含んでいます。各評価の詳細と実行方法については、知能指数評価方法を参照してください。

トークン使用量

知能指数タスクあたりの出力トークン数

Artificial Analysis Intelligence Index のタスク1つあたりの加重平均出力トークン数

公開されているAPIはありません。

知能指数タスクあたりの出力トークン数

知能指数タスクあたりに必要なトークン数。これは、評価ごとの出力トークン数に知能指数における各ベンチマークの相対的な重みを掛け、タスク数（繰り返しを除く）で割って計算されます。

コスト

知能指数タスクあたりのコスト

知能指数タスクあたりの加重平均コスト（USD） · トークンタイプ別 · 低いほど良い

知能指数タスクあたりのコスト

知能指数タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、知能指数で加重されます。

Artificial Analysis Intelligence Index 実行コスト

Artificial Analysis Intelligence Index の全評価を実行するためのコスト（USD）

Artificial Analysis Intelligence Index 実行コスト

Artificial Analysis Intelligence Index の評価を実行するためのコスト。モデルの入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格と、評価全体で使用されるトークン数（繰り返しを除く）を使用して計算されます。

価格: キャッシュヒット、入力、出力

価格（USD/M トークン）

キャッシュヒット

キャッシュされたプロンプト（以前に処理されたもの）のトークンあたりの価格。通常、通常の入力価格と比較して大幅な割引が提供されます。表示される値はキャッシュヒット価格です。キャッシュ書き込みとキャッシュストレージは別途請求され、プロバイダーによって異なります。詳細は「プロバイダー別のキャッシュ価格」を参照してください。

コンテキストウィンドウ

コンテキストウィンドウ

コンテキストウィンドウ：トークン制限 · 高いほど良い

公開されているAPIはありません。

RAG（Retrieval Augmented Generation）のためのコンテキストウィンドウ

より大きなコンテキストウィンドウは、通常、大量のデータの推論と情報取得を伴う RAG（Retrieval Augmented Generation）LLM ワークフローに関連します。

コンテキストウィンドウ

入力と出力トークンの合計の最大数。出力トークンは、モデルによって異なる大幅に低い制限を持つことが一般的です。

スピード

出力速度（トークン/秒）で測定

出力速度

出力トークン/秒 · 高いほど良い

出力速度

モデルがトークンを生成している間に受信されるトークン/秒（つまり、ストリーミングをサポートするモデルの場合、APIから最初のチャンクを受信した後）。

モデルパフォーマンスの表現

数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが利用できない場合のプロバイダー間のメディアンを表します。

知能指数タスクあたりの時間

知能指数タスクあたりの加重平均デコード時間（分） · TTFTとオーバーヘッド時間は除く · 低いほど良い

知能指数タスクあたりの時間

Artificial Analysis Intelligence Index のタスクあたりの加重平均時間（秒）。これは、タスクあたりの出力トークンを出力速度で割り、知能指数における各ベンチマークの相対的な重みで加重して計算されます。

レイテンシ

最初のトークンまでの時間で測定

レイテンシ: 最初の回答トークンまでの時間

受信された最初の回答トークンまでの秒数 · 推論モデルの「思考」時間を含む

最初の回答トークンまでの時間

APIリクエスト送信後、受信された最初の回答トークンまでの時間（秒）。推論モデルの場合、これは回答を提供する前にモデルが「思考」している時間を含みます。ストリーミングをサポートしないモデルの場合、これは完了を受信するまでの時間を表します。

エンドツーエンド応答時間

最初のトークンまでの時間、推論モデルの「思考」時間、および出力速度に基づいて計算された500トークンを出力するまでの時間（秒）

エンドツーエンド応答時間

最初のトークンまでの時間、推論モデルの「思考」時間を含む500トークンを出力するまでの時間（秒） · 低いほど良い

エンドツーエンド応答時間

500トークンの応答を受信するまでの時間（秒）。主な構成要素：

• 入力時間：最初の応答トークンを受信するまでの時間
• 思考時間（推論モデルのみ）：推論モデルが回答を提供する前にトークンを出力して推論に費やす時間。トークン数は、60個の多様なプロンプトセットにわたる平均推論トーク数に基づきます（方法論の詳細）。
• 回答時間：出力速度に基づいた500出力トークンを生成するまでの時間

モデルパフォーマンスの表現

数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが利用できない場合のプロバイダー間のメディアンを表します。