Mercury 2.5
inception · 2026-09-08 发布 · 10/09 02:05 更新
AIHOT 评分 · 综合27.9分综合第 67 名评分不是正确率 · 证据覆盖 54%
可比较分类4/ 4 项分类
已有成绩17项评测
上下文窗口26万Token
API 输入 / 输出 · 每百万 Token待核验尚未核到厂商官网价格
各有所长，看得更清楚。
每个领域单独评分，与综合评分在同一条刻度上。具体能力请看下面每项成绩。
编程AIHOT 评分29.2分第 67 名前 30 名之外6 项评测 · 覆盖 71%科研AIHOT 评分26.1分第 67 名前 30 名之外3 项评测 · 覆盖 43%专业办公AIHOT 评分25.8分第 67 名前 30 名之外6 项评测 · 覆盖 63%知识问答AIHOT 评分29.5分第 66 名前 30 名之外2 项评测 · 覆盖 40%
覆盖比例是这个领域里已有成绩的评测类别占比，不代表能力高低；没测的不补分，也不扣分。
每一项成绩，都有来处。
按领域列出每项公开成绩，以及它在同一条刻度上的读数。展开可查看运行配置与采用方式。
编程29.26 项
科研26.13 项
专业办公25.86 项
知识问答29.52 项
尚无成绩的评测
这些评测尚无可采用的公开成绩，缺测不补分。
LiveBench · 编程综合ProgramBenchVibe Code Bench 1–100FrontierMath v2 · Tiers 1–3LiveBench · 推理与数学Chess PuzzlesMystery Game PuzzlesMysteryMechanismTerminal-Bench Science · AAAPEX-Agents 1.1τ³-Banking · MercorLiveBench · 数据分析AA-Analyst AgentSimpleQA VerifiedMLCR-AALiveBench · 语言与指令BullshitBench · 错误前提Arena Text
怎么看这些读数
每项成绩按这项评测的难度换算到同一条刻度上：难的评测考得一般也能读出高分，刷满的评测读不出更多。领域分是这些读数的平均，再向模型的整体水平收一点；同类评测只算一票。相差不到 1 分的两个模型，先后接近抛硬币。
还没有成绩的领域：真人盲选，暂按整体水平计算。
了解计算方法 →