AI BENCHY तुलना
Anthropic: Claude Opus 4.6 vs Inception: Mercury 2
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | Anthropic: Claude Opus 4.6 medium रिलीज़: 2026-02-05 | Inception: Mercury 2 none रिलीज़: 2026-02-24 |
|---|---|---|
| रैंक | #30 | #50 |
| औसत स्कोर | 6.4 | 3.4 |
| सही परीक्षण | ||
| संगति | 8.9 | 8.9 |
| प्रति परिणाम लागत | 14.411 | 0.147 |
| कुल लागत | $1.297 | $0.006 |
| प्रति प्रयास पास दर | 64.4% | 33.3% |
| अस्थिर टेस्ट | 2 | 2 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन | 26,066 | 1,144 |
| रीजनिंग टोकन | 17,071 | 0 |
| प्रतिक्रिया समय (औसत) | 25.08s | 594ms |
| प्रतिक्रिया समय (अधिकतम) | 83.40s | 1.27s |
| प्रतिक्रिया समय (कुल) | 200.67s | 8.91s |
प्रतिक्रिया समय (औसत)
स्कोर बनाम कुल लागत
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 4.0 | 4.4 | 55.6% | 2 | 11.88s | 897 | 1,000 | |
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 466ms | 274 | 0 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 606ms | 131 | 0 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 9.9 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| Inception: Mercury 2 | 5.5 | 5.9 | 83.3% | 1 | 667ms | 180 | 0 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| Inception: Mercury 2 | 4.0 | 7.2 | 44.4% | 1 | 534ms | 46 | 0 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| Inception: Mercury 2 | 5.5 | 10.0 | 50.0% | 0 | 551ms | 82 | 0 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 7.0 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 533ms | 234 | 0 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 197 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
Claude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGLM 5noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGemini 2.5 FlashnoneClaude Opus 4.6mediumvsDeepSeek V3.2noneClaude Opus 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsQwen3.5-122B-A10Bnone