AI BENCHY Compare

Inception: Mercury 2 vs Elephant Alpha

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-03

Métrica	Mercury 2 Mercury 2 none Lanzamiento: 2026-02-24	Elephant Alpha Elephant Alpha none Lanzamiento: 2026-04-14

Métrica	Mercury 2 Mercury 2 none Lanzamiento: 2026-02-24	Elephant Alpha Elephant Alpha none Lanzamiento: 2026-04-14
Puntuación	4.6	5.1
Rango	#153	#136
Fiabilidad	10.0	N/D
Consistencia	9.1	9.7
Pruebas correctas
Tasa de aciertos por intento	25.0%	28.3%
Pruebas inestables	2	1
Ejecuciones totales	60	60
Costo por resultado	0.216	0.000
Costo total	$0.009	$0.000
Precio de entrada	$0.250 / 1M	$0.000 / 1M
Precio de salida	$0.750 / 1M	$0.000 / 1M
Total de tokens de entrada	25,515	33,743
Tokens de salida	3,001	2,573
Tokens de razonamiento	0	0
Tiempo de respuesta (promedio)	614ms	1.22s
Tiempo de respuesta (máximo)	1.27s	3.81s
Tiempo de respuesta (total)	12.28s	22.03s

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	3.0	10.0	0.0%	0		483ms	631	286	0
Elephant Alpha	6.6	10.0	50.0%	0		963ms	726	610	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	3.5	9.4	0.0%	0		831ms	4,631	1,650	0
Elephant Alpha	4.7	6.7	33.3%	1		1.39s	813	375	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	3.0	10.0	0.0%	0		606ms	4,821	131	0
Elephant Alpha	3.0	10.0	0.0%	0		3.81s	14,046	731	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		667ms	6,362	180	0
Elephant Alpha	6.5	10.0	50.0%	0		1.04s	8,004	246	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	5.3	7.2	44.4%	1		534ms	784	46	0
Elephant Alpha	3.0	10.0	0.0%	0		927ms	810	24	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		628ms	495	159	0
Elephant Alpha	4.0	10.0	0.0%	0		854ms	540	106	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	6.5	10.0	50.0%	0		551ms	691	82	0
Elephant Alpha	9.8	10.0	100.0%	0		1.03s	732	81	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	3.1	10.0	0.0%	0		535ms	694	251	0
Elephant Alpha	4.2	10.0	0.0%	0		807ms	729	170	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		1.27s	6,193	197	0
Elephant Alpha	3.0	10.0	0.0%	0		2.79s	7,343	230	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		548ms	213	19	0
Elephant Alpha	3.0	10.0	0.0%	0		0ms	0	0	0

Comparación rápida

Cambiar par de comparación

Mercury 2nonevsQwen3 Coder Nextmedium Mercury 2nonevsGLM 4.7 Flashmedium Mistral Small 4mediumvsElephant Alphanone MiniMax M2.7mediumvsElephant Alphanone MiniMax M2.5mediumvsElephant Alphanone Mercury 2nonevsQwen3.5-9Bmedium Elephant AlphanonevsQwen3 Coder Nextmedium CobuddymediumvsElephant Alphanone Mercury 2nonevsElephant Alphamedium Elephant AlphanonevsGLM 4.7 Flashmedium gpt-oss-120bmediumDisponible gratisvsElephant Alphanone Nemotron 3 SupermediumDisponible gratisvsElephant Alphanone