Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs Inception: Mercury 2

Resumen

Comparación benchmark de Claude Opus 4.6 vs Mercury 2: Claude Opus 4.6 lidera en puntuación media con 7.7 vs 7.5. Mercury 2 tiene menor coste de benchmark con $0.058 vs $2.053. Mercury 2 es más rápido con 2.24s vs 25.89s, con tasas de acierto de 61.9% vs 54.0%.

Modelo recomendado: Mercury 2 - Su puntuación se mantiene cerca de la mejor aquí (7.5 vs 7.7) y cuesta aproximadamente 35.6x menos que Claude Opus 4.6.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05 Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24
Puntuación 7.7 7.5
Rango #38 #44
Fiabilidad 10.0 10.0
Consistencia 8.8 8.8
Pruebas correctas
Tasa de aciertos por intento 61.9% 54.0%
Pruebas inestables 3 3
Ejecuciones totales 63 63
Costo por resultado 17.103 0.578
Costo total $2.053 $0.058
Precio de entrada $5.000 / 1M $0.250 / 1M
Precio de salida $25.000 / 1M $0.750 / 1M
Total de tokens de entrada 53,227 35,116
Tokens de salida 47,446 4,048
Tokens de razonamiento 24,000 61,219
Tiempo de respuesta (promedio) 25.89s 2.24s
Tiempo de respuesta (máximo) 83.40s 14.63s
Tiempo de respuesta (total) 362.49s 44.72s

Generación showcase

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium
SVG inválido
Coste
$0.000
Tiempo
300.0s
Tokens
0 tok

#44 Mercury 2

medium
Coste
$0.002
Tiempo
2.1s
Tokens
1,702 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

Comparación rápida

Cambiar par de comparación

Claude Opus 4.6mediumvsStep 3.7 FlashlowMercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsMercury 2mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsMercury 2mediumClaude Opus 4.8nonevsMercury 2mediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsQwen3.7 Plusnone