Claude Opus 4.8 vs Mercury 2.5 Preview (medium)

متوسط النتيجة متقارب جدًا عند 6.9 مقابل 6.8. لدى Mercury 2.5 Preview (medium) تكلفة benchmark أقل عند $0.037 مقابل $2.334. Mercury 2.5 Preview (medium) أسرع عند 6.66s مقابل 7.54s، مع معدلات نجاح 60.9% مقابل 66.7%.

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-10-01

النماذج المقارنة

الترتيب: #167
إجمالي رموز الإخراج: 24,343
زمن الاستجابة (المتوسط): 7.54s
إجمالي التكلفة: $2.334

الترتيب: #171
إجمالي رموز الإخراج: 150,107
زمن الاستجابة (المتوسط): 6.66s
إجمالي التكلفة: $0.037

النموذج الموصى به Mercury 2.5 Preview (medium)

It has the best score here (6.8), while costing about 63.8x less than Claude Opus 4.8.

مقارنة تفصيلية

المقياس	Claude Opus 4.8 Claude Opus 4.8 none الإصدار: 2026-05-28	Mercury 2.5 Preview Mercury 2.5 Preview medium الإصدار: 2026-09-02

المقياس	Claude Opus 4.8 Claude Opus 4.8 none الإصدار: 2026-05-28	Mercury 2.5 Preview Mercury 2.5 Preview medium الإصدار: 2026-09-02
النتيجة	6.9	6.8
الترتيب	#167	#171
الموثوقية	10.0	10.0
الاتساق	9.3	9.6
محاولات	69/69	69/69
اختبارات صحيحة
معدل النجاح لكل محاولة	60.9%	66.7%
اختبارات غير مستقرة	2	1
إجمالي مرات التشغيل	69	69
التكلفة لكل نتيجة	17.953	0.244
إجمالي التكلفة	$2.334	$0.037
سعر الإدخال	$5.000 / 1M	$0.000 / 1M
سعر الإخراج	$25.000 / 1M	$0.000 / 1M
إجمالي رموز الإدخال	345,059	397,291
رموز الإخراج	24,343	6,355
رموز الاستدلال	0	143,752
زمن الاستجابة (المتوسط)	7.54s	6.66s
زمن الاستجابة (الحد الأقصى)	65.07s	74.63s
زمن الاستجابة (الإجمالي)	173.31s	153.29s
المعلمات	~5T الإجمالي (~500B النشطة)	~100B
الإتاحة	مغلق المصدر	مغلق المصدر

عرض إنشاء النماذج

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#167 Claude Opus 4.8

none

التكلفة: $0.053
الوقت: 22.0s
الرموز: 2,253 tok

#171 Mercury 2.5 Preview

medium

التكلفة: $0.001
الوقت: 2.7s
الرموز: 2,241 tok

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

النتيجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

النتيجة vs إجمالي رموز الإخراج

تفصيل الفئات

الفئة:

مهام الوكلاء	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	5.0	10.0	0.0%	0		65.07s	195,856	7,546	0
Mercury 2.5 Preview	3.9	9.6	0.0%	0		74.63s	284,578	919	22,154

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.43s	781	203	7,921

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Mercury 2.5 Preview	7.8	10.0	66.7%	0		3.86s	7,839	552	22,126

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	9.8	10.0	100.0%	0		26.38s	111,760	11,949	0
Mercury 2.5 Preview	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.77s	8,292	514	11,354

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	5.3	7.2	44.4%	1		1.76s	972	61	0
Mercury 2.5 Preview	5.3	7.2	44.4%	1		3.72s	853	62	17,120

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
Mercury 2.5 Preview	5.0	10.0	0.0%	0		2.09s	538	99	3,375

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.35s	744	96	3,987

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.87s	771	274	7,323

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.37s	0	0	0

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
Mercury 2.5 Preview	3.0	10.0	0.0%	0		4.13s	232	29	6,804

مقارنة سريعة

تبديل زوج المقارنة

Mercury 2.5 PreviewmediumvsInklinglowمتاح مجانًا Claude Opus 4.8nonevsGPT-5.6 Lunalow Claude Opus 4.8nonevsGemma 4 31Bmediumمتاح مجانًا Mercury 2.5 PreviewmediumvsGPT-6 Solnone Claude Opus 4.8nonevsEmber-1high Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Claude Opus 4.8nonevsQwen3.5-Flashmedium Claude Opus 4.8nonevsInklinglowمتاح مجانًا Claude Sonnet 5.5lowvsMercury 2.5 Previewmedium Mercury 2.5 PreviewmediumvsGPT-5.6 Lunalow Ember-1highvsMercury 2.5 Previewmedium