能力 vs 帳單
指數 44.5 對應 Σ $0.2／MTok，Value 234.42。高指數不自動等於該買——看任務失敗成本是否撐得住溢價。
均衡候補CF-1.3Paretoreasoning
Mercury 2.5
Mercury 2.5 定位為「均衡候補」：Cheese Index 44.5（#175）。沒有單一極端優勢，但可作為穩健備援或 A/B 對照組。場景上最貼近「成本優先」。
2026-09-09 快照。 Inception · 5 路交叉訊號 · Pareto · Ops 99.0 · 最佳 Fit 成本優先 · Inception
CHEESE INDEX
44.5#175
DEPTH
57.4
OPS
98.6
VALUE
234.42
BALANCE
67.3
CONSENSUS
58.8
Σ COST
$0.2
LATENCY
1308 ms
優勢訊號
- 落在成本－能力 Pareto 前沿：同成本難找到明顯更強、同能力難找到明顯更便宜。
- 部署體感 Ops 99.0（延遲約 1308.0 ms），適合延遲敏感路徑。
- 場景 Fit 首選「成本優先」（80.4）。
風險與缺口
- 編碼深度低於群體中位，純 coding 任務建議對照專長模型。
深度雷達
實線＝本模型 · 虛線＝群體中位
芝士軸
coding
agent
horizon
場景 Fit
★ 成本優先
均衡穩健
生成原型
編碼代理
長程任務
關鍵取捨
指數 vs 體感
Ops 99.0 與 Index 44.5 是否同向？若指數高但延遲差，適合作離線／批次，而非同步對話主路徑。
均衡 vs 尖峰
三軸平衡 67.0。軸向落差大，更適合專長路由而非一刀切。
專長對齊
相對群體在「reasoning」抬升 +3.7。任務面不匹配時，抬升無法兌換成產品價值。
部署體感
Ops98.6
Latency1308 ms
Throughput779.4
I / O$0.04 / $0.15
體感分數偏高：較適合作同步互動主路徑，仍需尖峰壓測。
驗證清單
- 用 3–5 個自家真實任務（含失敗案例）跑 A/B，勿只看排行分數。
- 記錄延遲 p50／p95、錯誤率與單位任務成本，對齊 Ops／Value 敘事。
- 上線後追 7 日指數波動與產品 KPI，決定是否留在短名單。
能力細節
gpqa
coding
agent
knowledge
instruction
reasoning