Inception: Mercury 2 vs OpenAI: GPT-5.6 Sol

Mercury 2 (medium) lidera en puntuación media con 7.0 vs 6.9. Mercury 2 (medium) tiene menor coste de benchmark con $0.093 vs $0.524. GPT-5.6 Sol es más rápido con 2.16s vs 2.72s, con tasas de acierto de 51.5% vs 59.1%.

Modelo recomendadoMercury 2 (medium)Tiene la mejor puntuación aquí (7.0) y cuesta aproximadamente 5.6x menos que GPT-5.6 Sol.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	GPT-5.6 Sol GPT-5.6 Sol none Lanzamiento: 2026-07-09

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	GPT-5.6 Sol GPT-5.6 Sol none Lanzamiento: 2026-07-09
Puntuación	7.0	6.9
Rango	#75	#80
Fiabilidad	10.0	10.0
Consistencia	8.8	9.0
Pruebas correctas
Tasa de aciertos por intento	51.5%	59.1%
Pruebas inestables	3	3
Ejecuciones totales	66	66
Costo por resultado	0.928	4.761
Costo total	$0.093	$0.524
Precio de entrada	$0.250 / 1M	$5.000 / 1M
Precio de salida	$0.750 / 1M	$30.000 / 1M
Total de tokens de entrada	109,572	78,593
Tokens de salida	10,313	4,357
Tokens de razonamiento	76,806	0
Tiempo de respuesta (promedio)	2.72s	2.16s
Tiempo de respuesta (máximo)	14.63s	12.81s
Tiempo de respuesta (total)	57.12s	47.62s

Hamster playing table tennis

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

#75 Mercury 2

medium

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

#80 GPT-5.6 Sol

none

Coste: $0.116
Tiempo: 78.7s
Tokens: 3,944 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

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 Sol	8.3	10.0	75.0%	0		1.27s	606	154	0

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 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	0

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	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
GPT-5.6 Sol	6.5	10.0	50.0%	0		8.37s	55,394	2,881	0

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 Sol	10.0	10.0	100.0%	0		1.53s	7,140	222	0

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 Sol	3.6	7.2	22.2%	1		1.43s	723	54	0

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 Sol	6.5	3.4	66.7%	1		1.52s	477	91	0

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 Sol	8.5	6.8	83.3%	1		1.33s	660	84	0

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 Sol	7.7	10.0	66.7%	0		1.49s	642	211	0

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 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	0

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 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashnonevsMercury 2medium GPT-5.6 SolnonevsMiMo-V2.5-Promedium GPT-5.6 SolnonevsQwen3.6 Flashmedium KAT-Coder-Pro V2.5mediumvsGPT-5.6 Solnone GPT-5.6 SolnonevsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.6 Solnone Gemini 3.5 FlashminimalvsGPT-5.6 Solnone DeepSeek V4 PrononevsMercury 2medium Kimi K2.5mediumvsGPT-5.6 Solnone DeepSeek V3.2mediumvsGPT-5.6 Solnone Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none