Navegación
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

Resumen

Comparación benchmark de Claude Opus 4.8 vs Mercury 2: Claude Opus 4.8 lidera en puntuación media con 7.0 vs 6.6. Mercury 2 tiene menor coste de benchmark con $0.058 vs $0.539. Mercury 2 es más rápido con 2.24s vs 3.47s, con tasas de acierto de 61.9% vs 54.0%.

Modelo recomendado: Mercury 2 - Su puntuación se mantiene cerca de la mejor aquí (6.6 vs 7.0) y cuesta aproximadamente 9.3x menos que Claude Opus 4.8.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-04

Métrica Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28 Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24
Puntuación 7.0 6.6
Rango #68 #81
Fiabilidad 10.0 10.0
Consistencia 9.2 8.8
Pruebas correctas
Tasa de aciertos por intento 61.9% 54.0%
Pruebas inestables 2 3
Ejecuciones totales 63 63
Costo por resultado 4.485 0.578
Costo total $0.539 $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 67,104 35,116
Tokens de salida 8,107 4,048
Tokens de razonamiento 0 61,219
Tiempo de respuesta (promedio) 3.47s 2.24s
Tiempo de respuesta (máximo) 17.73s 14.63s
Tiempo de respuesta (total) 72.90s 44.72s

Generation showcase

Hamster playing table tennis

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

#68 Claude Opus 4.8

none
Cost
$0.053
Time
22.0s
Tokens
2,253 tok

#81 Mercury 2

medium
Cost
$0.002
Time
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 6.5 10.0 50.0% 0 3.40s 834 1,472 0
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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
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 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
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 7.3 5.8 83.3% 1 1.77s 10,503 308 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 7.2 44.4% 1 1.66s 975 61 0
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 3.48s 708 230 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 9.9 10.0 100.0% 0 1.37s 909 95 0
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 7.7 10.0 66.7% 0 2.74s 894 783 0
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 5.35s 11,775 355 0
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 3.41s 258 212 0
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8nonevsMiniMax M3mediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsGrok 4.20mediumGemma 4 31BnoneDisponible gratisvsMercury 2mediumClaude Opus 4.8nonevsMiMo-V2-FlashmediumClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMercury 2mediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGemini 3.1 Flash Litelow