Inception: Mercury 2 vs Z.ai: GLM 5.1

GLM 5.1 (medium) lidera en puntuación media con 7.1 vs 7.0. Mercury 2 (medium) tiene menor coste de benchmark con $0.093 vs $0.535. Mercury 2 (medium) es más rápido con 2.72s vs 46.77s, con tasas de acierto de 51.5% vs 69.7%.

Modelo recomendadoMercury 2 (medium)Su puntuación se mantiene cerca de la mejor aquí (7.0 vs 7.1) y cuesta aproximadamente 5.8x menos que GLM 5.1 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-18

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	GLM 5.1 GLM 5.1 medium Lanzamiento: 2026-04-07

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	GLM 5.1 GLM 5.1 medium Lanzamiento: 2026-04-07
Puntuación	7.0	7.1
Rango	#77	#73
Fiabilidad	10.0	8.3
Consistencia	8.8	8.4
Pruebas correctas
Tasa de aciertos por intento	51.5%	69.7%
Pruebas inestables	3	4
Ejecuciones totales	66	66
Costo por resultado	0.928	4.202
Costo total	$0.093	$0.535
Precio de entrada	$0.250 / 1M	$0.966 / 1M
Precio de salida	$0.750 / 1M	$3.036 / 1M
Total de tokens de entrada	109,572	82,623
Tokens de salida	10,313	16,089
Tokens de razonamiento	76,806	136,463
Tiempo de respuesta (promedio)	2.72s	46.77s
Tiempo de respuesta (máximo)	14.63s	308.75s
Tiempo de respuesta (total)	57.12s	982.16s

Hamster playing table tennis

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

#77 Mercury 2

medium

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

#73 GLM 5.1

medium

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 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
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

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
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

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
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

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
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

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
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

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
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

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
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

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
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

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
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	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
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGLM 5.1medium DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone KAT-Coder-Pro V2.5highvsGLM 5.1medium Step 3.7 FlashlowvsGLM 5.1medium Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none Gemini 3.5 FlashnonevsGLM 5.1medium Claude Opus 4.8nonevsGLM 5.1medium Mercury 2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsMercury 2medium