নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Inception: Mercury 2

সারাংশ

Claude Opus 4.8 (low) vs Mercury 2 (medium) benchmark তুলনা: Claude Opus 4.8 (low) average score-এ এগিয়ে: 7.7 vs 7.5. Mercury 2 (medium)-এর benchmark খরচ কম: $0.058 vs $1.270. Mercury 2 (medium) দ্রুত: 2.24s vs 10.83s, pass rates 79.4% vs 54.0%.

প্রস্তাবিত মডেল: Mercury 2 (medium) - Its score stays close to the best score here (7.5 vs 7.7), while costing about 22.0x less than Claude Opus 4.8 (low).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-09

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 low প্রকাশ: 2026-05-28 Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24
স্কোর 7.7 7.5
র‍্যাঙ্ক #45 #56
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 8.8
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 79.4% 54.0%
অস্থির টেস্ট 3 3
মোট রান 63 63
প্রতি ফলাফলে খরচ 8.466 0.578
মোট খরচ $1.270 $0.058
ইনপুট মূল্য $5.000 / 1M $0.250 / 1M
আউটপুট মূল্য $25.000 / 1M $0.750 / 1M
মোট ইনপুট টোকেন 60,946 35,116
আউটপুট টোকেন 31,771 4,048
রিজনিং টোকেন 6,831 61,219
প্রতিক্রিয়া সময় (গড়) 10.83s 2.24s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 127.97s 14.63s
প্রতিক্রিয়া সময় (মোট) 227.39s 44.72s

জেনারেশন শোকেস

Hamster playing table tennis

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

#45 Claude Opus 4.8

low
খরচ
$0.031
সময়
14.1s
টোকেন
1,345 tok

#56 Mercury 2

medium
খরচ
$0.002
সময়
2.1s
টোকেন
1,702 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

অ্যান্টি-এআই কৌশল স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
সমন্বিত স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
ডেটা পার্সিং ও নিষ্কাশন স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
ডোমেইন-নির্দিষ্ট স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
Sadharon Buddhimotta স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
নির্দেশনা অনুসরণ স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
ধাঁধা সমাধান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
টুল কলিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
সাধারণ জ্ঞান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

দ্রুত তুলনা

তুলনার জুটি বদলান