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 (medium): La puntuación media está prácticamente empatada en 7.5 vs 7.6. Mercury 2 (medium) tiene menor coste de benchmark con $0.058 vs $0.258. Mercury 2 (medium) es más rápido con 2.24s vs 6.70s, con tasas de acierto de 54.0% vs 63.5%.

Modelo recomendado: Mercury 2 (medium) - Tiene la mejor puntuación aquí (7.5) y cuesta aproximadamente 4.5x menos que GPT-5.6 Luna (medium).

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 medium Lanzamiento: 2026-07-09
Puntuación 7.5 7.6
Rango #56 #54
Fiabilidad 10.0 10.0
Consistencia 8.8 9.6
Pruebas correctas
Tasa de aciertos por intento 54.0% 63.5%
Pruebas inestables 3 1
Ejecuciones totales 63 63
Costo por resultado 0.578 1.978
Costo total $0.058 $0.258
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 2,148
Tokens de razonamiento 61,219 34,740
Tiempo de respuesta (promedio) 2.24s 6.70s
Tiempo de respuesta (máximo) 14.63s 29.85s
Tiempo de respuesta (total) 44.72s 140.62s

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

#54 GPT-5.6 Luna

medium
Coste
$0.014
Tiempo
14.6s
Tokens
2,362 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 2.52s 606 160 987
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 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
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 9.53s 12,500 375 1,354
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 1.95s 7,140 234 324
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 5.3 10.0 33.3% 0 17.37s 723 68 16,531
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 5.1 10.0 0.0% 0 4.34s 477 112 496
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 2.38s 660 95 393
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 7.8 10.0 66.7% 0 4.04s 642 255 2,104
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 6.02s 5,454 256 244
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 6.64s 195 29 2,379

Comparación rápida

Cambiar par de comparación

Mercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsMercury 2mediumGPT-5.6 LunamediumvsStep 3.7 FlashlowMercury 2mediumvsGPT-5.6 LunahighMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumClaude Opus 4.8lowvsGPT-5.6 LunamediumMercury 2mediumvsGPT-5.6 TerralowGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumClaude Opus 4.8lowvsMercury 2mediumClaude Sonnet 4.6nonevsMercury 2medium