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

Inception: Mercury 2 vs OpenAI: GPT-5.6 Luna

Resumen

Comparación benchmark de Mercury 2 (medium) vs GPT-5.6 Luna (high): GPT-5.6 Luna (high) lidera en puntuación media con 7.7 vs 7.5. Mercury 2 (medium) tiene menor coste de benchmark con $0.058 vs $0.924. Mercury 2 (medium) es más rápido con 2.24s vs 18.39s, con tasas de acierto de 54.0% vs 71.4%.

Modelo recomendado: Mercury 2 (medium) - Su puntuación se mantiene cerca de la mejor aquí (7.5 vs 7.7) y cuesta aproximadamente 16.0x menos que GPT-5.6 Luna (high).

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

Métrica Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24 GPT-5.6 Luna GPT-5.6 Luna high Lanzamiento: 2026-07-09
Puntuación 7.5 7.7
Rango #56 #50
Fiabilidad 10.0 10.0
Consistencia 8.8 8.8
Pruebas correctas
Tasa de aciertos por intento 54.0% 71.4%
Pruebas inestables 3 3
Ejecuciones totales 63 63
Costo por resultado 0.578 6.594
Costo total $0.058 $0.924
Precio de entrada $0.250 / 1M $1.000 / 1M
Precio de salida $0.750 / 1M $6.000 / 1M
Total de tokens de entrada 35,116 35,699
Tokens de salida 4,048 2,079
Tokens de razonamiento 61,219 145,816
Tiempo de respuesta (promedio) 2.24s 18.39s
Tiempo de respuesta (máximo) 14.63s 111.09s
Tiempo de respuesta (total) 44.72s 386.24s

Generación showcase

Hamster playing table tennis

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

#56 Mercury 2

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

#50 GPT-5.6 Luna

high
Coste
$0.033
Tiempo
34.2s
Tokens
5,484 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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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

Comparación rápida

Cambiar par de comparación

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsGrok 4.3mediumMercury 2mediumvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumDisponible gratisvsGPT-5.6 LunahighDeepSeek V4 ProhighvsMercury 2mediumGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 LunahighMiniMax M3mediumvsGPT-5.6 Lunahigh