Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Inception: Mercury 2

Resumen

Comparación benchmark de Claude Opus 4.8 (low) vs Mercury 2 (medium): Claude Opus 4.8 (low) lidera en puntuación media con 7.7 vs 7.5. Mercury 2 (medium) tiene menor coste de benchmark con $0.058 vs $1.270. Mercury 2 (medium) es más rápido con 2.24s vs 10.83s, con tasas de acierto de 79.4% vs 54.0%.

Modelo recomendado: Mercury 2 (medium) - Su puntuación se mantiene cerca de la mejor aquí (7.5 vs 7.7) y cuesta aproximadamente 22.0x menos que Claude Opus 4.8 (low).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-09

Métrica Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28 Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24
Puntuación 7.7 7.5
Rango #45 #56
Fiabilidad 10.0 10.0
Consistencia 8.8 8.8
Pruebas correctas
Tasa de aciertos por intento 79.4% 54.0%
Pruebas inestables 3 3
Ejecuciones totales 63 63
Costo por resultado 8.466 0.578
Costo total $1.270 $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 60,946 35,116
Tokens de salida 31,771 4,048
Tokens de razonamiento 6,831 61,219
Tiempo de respuesta (promedio) 10.83s 2.24s
Tiempo de respuesta (máximo) 127.97s 14.63s
Tiempo de respuesta (total) 227.39s 44.72s

Generación showcase

Hamster playing table tennis

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

#45 Claude Opus 4.8

low
Coste
$0.031
Tiempo
14.1s
Tokens
1,345 tok

#56 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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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
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 4.8 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

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6mediumDisponible gratisClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumMercury 2mediumvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsGPT-5.6 LunahighDeepSeek V4 ProhighvsMercury 2mediumClaude Opus 4.8lowvsGPT-5.6 TerramediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3medium