Navegación
AI BENCHY
Comparar Gráficos
❤️ Made by XCS
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 Sonnet 4.6 vs Inception: Mercury 2

Comparar:

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-05

Métrica Anthropic: Claude Sonnet 4.6 none Lanzamiento: 2026-02-17 Inception: Mercury 2 medium Lanzamiento: 2026-02-24
Rango #25 #35
Puntaje prom. 6.9 5.4
Pruebas correctas
Consistencia 10.0 8.3
Costo por resultado 2.460 0.622
Costo total $0.246 $0.044
Tasa de aciertos por intento 66.7% 57.8%
Pruebas inestables 0 3
common.totalAttempts 45 (15 x 3) 45 (15 x 3)
Tokens de salida 6,703 3,571
Tokens de razonamiento 0 45,379
Tiempo de respuesta (promedio) 5.94s 2.47s
Tiempo de respuesta (máximo) 23.84s 14.63s
Tiempo de respuesta (total) 47.55s 34.56s

Mejores modelos por puntuación

Tiempo de respuesta (promedio)

Puntuación vs costo total

Puntaje prom. vs Tiempo de respuesta (promedio)

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 4.0 10.0 33.3% 0 4.83s 1,199 0
Inception: Mercury 2 7.3 9.8 66.7% 0 1.30s 2,531 2,410
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 9.0 10.0 100.0% 0 23.84s 3,766 0
Inception: Mercury 2 10.0 10.0 100.0% 0 3.28s 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 salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 9.9 10.0 100.0% 0 3.43s 252 0
Inception: Mercury 2 5.5 5.9 83.3% 1 1.11s 183 1,656
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 7.0 10.0 66.7% 0 3.54s 413 0
Inception: Mercury 2 10.0 7.2 11.1% 1 6.48s 41 30,754
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 5.5 10.0 50.0% 0 1.96s 90 0
Inception: Mercury 2 10.0 10.0 100.0% 0 1.07s 14 958
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 7.0 10.0 66.7% 0 2.92s 536 0
Inception: Mercury 2 1.7 7.5 22.2% 1 934ms 354 2,758
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.11s 447 0
Inception: Mercury 2 10.0 10.0 100.0% 0 1.89s 180 1,956

Comparación rápida

Cambiar par de comparación

Claude Sonnet 4.6nonevsGPT-5.2mediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneClaude Sonnet 4.6nonevsGrok 4.1 FastmediumClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite PreviewmediumClaude Sonnet 4.6nonevsKimi K2.5mediumMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27Bnone