Raport z testów Mercury 3

Na 29 paź 2026 Mercury 3 ma wstępny Spicy Index 71,8. Swoboda nie została zbadana lub dowody są niewystarczające. Index zachowuje pierwotny wynik jakości i możliwości, otrzymuje oznaczenie wstępne i nadal zajmuje miejsce. Brak dowodów nie oznacza zera.

Każdy punkt stojący za ocenami Mercury 3: na który wiersz tabeli trafiła każda pozycja, gdzie przepadły punkty i każdy test treści z datą.

Wypróbuj Mercury 3

Spicy Index

71,8/ 100

ocenione wymiary: 3 z 7

Wstępny · dowody swobody oczekują

Freedom Score

Jeszcze nietestowane

Cena$0.325 za 1 mln mieszanych tokenów (3 wejściowe : 1 wyjściowy)Odsetek sukcesówPublikowane dla wszystkich modeli naraz, po 30 dniach ruchu

Z czego składa się Spicy Index

Jak to oceniamy

Spicy Index łączy 70% jakości i możliwości z 30% Freedom Score z dostatecznymi dowodami do publikacji. Przy pełnych dowodach: 59,5% jakości, 10,5% możliwości i 30% swobody. Cena i szybkość pozostają osobne.

Porównanie z liderem

10,7 punktów Index za Claude Opus 5.5. Modele na pierwszym miejscu: 1.

Porównanie z liderem
Wymiar	Mercury 3	Claude Opus 5.5	Ważona różnica
Publiczne rankingi	—	—	0,0
Roleplay	—	76,3	+15,1
Pisanie kreatywne	53,0	71,0	-8,5
Wykonywanie instrukcji	100,0	100,0	-22,7
Pamięć w długim kontekście	—	—	0,0
Możliwości	45,0	65,0	+0,1
Freedom Score	—	88,9	+26,7

Swoboda nie została zbadana lub dowody są niewystarczające. Index zachowuje pierwotny wynik jakości i możliwości, otrzymuje oznaczenie wstępne i nadal zajmuje miejsce. Brak dowodów nie oznacza zera.

Z czego składa się Spicy Index
Wymiar	Udział w tym Index	Status	Ocena
Publiczne rankingi	—	Oczekuje	—
Roleplay	—	Oczekuje	—
Pisanie kreatywne	42,5%	Ocenione	53,0
Wykonywanie instrukcji	42,5%	Ocenione	100,0
Pamięć w długim kontekście	—	Oczekuje	—
Możliwości	15%	Ocenione	45,0
Freedom Score	—	Jeszcze nietestowane	—

Mercury 3: Możliwości, wiersz po wierszu

Jak to oceniamy

Każdą pozycję odczytujemy ze specyfikacji modelu w SpicyAPI i przypisujemy do jednego wiersza stałej tabeli. Bez ocen uznaniowych.

45,0/ 1000 + 0 + 15 + 15 + 15 = 45 / 100

Na podstawie jawnej specyfikacji modelu w SpicyAPI, 29 paź 2026

Możliwości
Pozycja	W SpicyAPI	Dopasowany wiersz	Punkty	Utracone punkty
Okno kontekstu (według twórcy)do 30 pkt	Nie podano	Nie podano Pokaż całą tabelę 2 mln tokenów lub więcej30,0 1–1,99 mln24,0 500k–999k20,0 256k–499k15,0 200k–255k12,0 128k–199k8,0 Poniżej 128k4,0 Nie podano0,0	0,0 / 30	−30,0
Modalności wejścia w SpicyAPIdo 25 pkt	Tylko tekst	Tylko tekst Pokaż całą tabelę Wejście obrazów12,0 Wejście dźwięku7,0 Wejście plików / PDF6,0	0,0 / 25	−25,0
Użycie narzędzido 15 pkt	Narzędzia i tool_choice	Narzędzia obsługiwane + Sterowanie przez tool_choice Pokaż całą tabelę Narzędzia obsługiwane10,0 Sterowanie przez tool_choice5,0	15,0 / 15	Pełne punkty
Ustrukturyzowane wyjściedo 15 pkt	Obsługiwane, zgodność ze schematem potwierdzona	response_format accepted + JSON-schema adherence verified Pokaż całą tabelę response_format obsługiwany8,0 Zgodność ze schematem JSON potwierdzona naszym zestawem testów wykonywania instrukcji7,0	15,0 / 15	Pełne punkty
Sterowanie rozumowaniemdo 15 pkt	4 poziomy: none · low · medium · high	4 poziomy, w tym wyłączone lub minimalne Pokaż całą tabelę 4+ poziomy wysiłku do wyboru10,0 3 poziomy7,0 2 poziomy4,0 Ustawienie wyłączone / minimalne5,0	15,0 / 15	Pełne punkty

Udział zdobytych punktów według pozycji

Jeszcze nietestowane

Dla tych wymiarów nie ma jeszcze danych, więc nie wchodzą do Index. Żaden nie jest szacowany.

Publiczne rankingi40% jakości
Jeszcze nietestowane
Wyniki z arena.ai, Artificial Analysis i Design Arena, tylko dla dokładnie tego modelu, każdy przeliczony na 0–100 i uśredniony z wagą.
Jak to oceniamy
Roleplay15% jakości
Jeszcze nietestowane
Spójność postaci, immersja i brak pouczania poza rolą: 30 scenariuszy × 3 próbki, oceniane na ślepo przez trzech sędziów LLM.
Jak to oceniamy
Pamięć w długim kontekście15% jakości
Jeszcze nietestowane
Pytania o przypomnienie i dwuetapowe przy 32k, 128k, 256k, 512k i 1 mln tokenów, w granicach opublikowanego okna modelu.
Jak to oceniamy

Testy treści Mercury 3, zadanie po zadaniu

Jak to oceniamy

Wynik rodziny to średnia jej zadań, więc jedno ostrożne zadanie ściąga w dół całą rodzinę. Oto skąd pochodzi każdy punkt.

Nie przeprowadziliśmy jeszcze testów treści tego modelu, więc nie ma on Freedom Score.

Ile kosztuje i ile trwa

Jak to oceniamy

Mierzone, nigdy oceniane. Cena pochodzi z aktualnego katalogu, szybkość z prawdziwych zadań z ostatnich 30 dni.

Cena: $0.325 za 1 mln mieszanych tokenów (3 wejściowe : 1 wyjściowy)
Odsetek sukcesów: Na razie niepublikowane dla żadnego modelu. Odsetek sukcesów pojawi się dla wszystkich rodzin jednocześnie po 30 dniach prawdziwego ruchu.

Szybkość wyjścia: 238 tok/sZ czasem do pierwszego tokena
Odsetek sukcesów: Zbieramy dane

Czas pojawia się, gdy zbierze się co najmniej 10 ukończonych zadań. Odsetek sukcesów jest liczony tylko z zadań klientów i pozostaje ukryty dla wszystkich modeli, dopóki nie zbierzemy pełnych 30 dni ruchu.

Inne raporty z testów modeli językowych

Obiektywnie i niezależnie

SpicyAPI sprzedaje dostęp do tego modelu. Jego oceny pochodzą wyłącznie z opublikowanych tabel i zapisów testów na tej stronie. Cena, warunki handlowe i umowy dostaw nie odgrywają żadnej roli.

Jak oceniamy Wszystkie recenzje