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

Inception: Mercury 2 vs OpenAI: GPT-5.6 Luna

সারাংশ

Mercury 2 (medium) vs GPT-5.6 Luna (high) benchmark তুলনা: GPT-5.6 Luna (high) average score-এ এগিয়ে: 7.7 vs 7.5. Mercury 2 (medium)-এর benchmark খরচ কম: $0.058 vs $0.924. Mercury 2 (medium) দ্রুত: 2.24s vs 18.39s, pass rates 54.0% vs 71.4%.

প্রস্তাবিত মডেল: Mercury 2 (medium) - Its score stays close to the best score here (7.5 vs 7.7), while costing about 16.0x less than GPT-5.6 Luna (high).

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

মেট্রিক Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24 GPT-5.6 Luna GPT-5.6 Luna high প্রকাশ: 2026-07-09
স্কোর 7.5 7.7
র‍্যাঙ্ক #56 #50
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 8.8
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 54.0% 71.4%
অস্থির টেস্ট 3 3
মোট রান 63 63
প্রতি ফলাফলে খরচ 0.578 6.594
মোট খরচ $0.058 $0.924
ইনপুট মূল্য $0.250 / 1M $1.000 / 1M
আউটপুট মূল্য $0.750 / 1M $6.000 / 1M
মোট ইনপুট টোকেন 35,116 35,699
আউটপুট টোকেন 4,048 2,079
রিজনিং টোকেন 61,219 145,816
প্রতিক্রিয়া সময় (গড়) 2.24s 18.39s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 14.63s 111.09s
প্রতিক্রিয়া সময় (মোট) 44.72s 386.24s

জেনারেশন শোকেস

Hamster playing table tennis

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

#56 Mercury 2

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

#50 GPT-5.6 Luna

high
খরচ
$0.033
সময়
34.2s
টোকেন
5,484 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
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
সমন্বিত স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
GPT-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
ডেটা পার্সিং ও নিষ্কাশন স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
GPT-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
ডোমেইন-নির্দিষ্ট স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
GPT-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
Sadharon Buddhimotta স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
GPT-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
নির্দেশনা অনুসরণ স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
GPT-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
ধাঁধা সমাধান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
GPT-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
টুল কলিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
GPT-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
সাধারণ জ্ঞান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748
GPT-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380

দ্রুত তুলনা

তুলনার জুটি বদলান