AI BENCHY तुलना
Inception: Mercury 2 vs OpenAI: gpt-oss-120b
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | Inception: Mercury 2 none रिलीज़: 2026-02-24 | OpenAI: gpt-oss-120b medium रिलीज़: 2025-08-05 निःशुल्क उपलब्ध |
|---|---|---|
| रैंक | #50 | #36 |
| औसत स्कोर | 3.4 | 5.2 |
| सही परीक्षण | ||
| संगति | 8.9 | 7.2 |
| प्रति परिणाम लागत | 0.147 | 0.133 |
| कुल लागत | $0.006 | $0.010 |
| प्रति प्रयास पास दर | 33.3% | 57.8% |
| अस्थिर टेस्ट | 2 | 5 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन | 1,144 | 13,103 |
| रीजनिंग टोकन | 0 | 33,843 |
| प्रतिक्रिया समय (औसत) | 594ms | 17.75s |
| प्रतिक्रिया समय (अधिकतम) | 1.27s | 50.92s |
| प्रतिक्रिया समय (कुल) | 8.91s | 141.98s |
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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 466ms | 274 | 0 | |
| OpenAI: gpt-oss-120b | 7.0 | 9.8 | 66.7% | 0 | 19.76s | 3,463 | 2,077 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 606ms | 131 | 0 | |
| OpenAI: gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 5.5 | 5.9 | 83.3% | 1 | 667ms | 180 | 0 | |
| OpenAI: gpt-oss-120b | 5.5 | 5.9 | 66.7% | 1 | 1.98s | 241 | 1,114 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 4.0 | 7.2 | 44.4% | 1 | 534ms | 46 | 0 | |
| OpenAI: gpt-oss-120b | 10.0 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 5.5 | 10.0 | 50.0% | 0 | 551ms | 82 | 0 | |
| OpenAI: gpt-oss-120b | 9.5 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 0.0% | 0 | 533ms | 234 | 0 | |
| OpenAI: gpt-oss-120b | 1.7 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 197 | 0 | |
| OpenAI: gpt-oss-120b | 9.0 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 |
त्वरित तुलना
तुलना जोड़ी बदलें
Gemini 2.5 Flashnonevsgpt-oss-120bmediumनिःशुल्क उपलब्धDeepSeek V3.2nonevsgpt-oss-120bmediumनिःशुल्क उपलब्धMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 Flashmediumgpt-oss-120bmediumनिःशुल्क उपलब्धvsQwen3.5-122B-A10Bnonegpt-oss-120bmediumनिःशुल्क उपलब्धvsQwen3.5-Flashnonegpt-oss-120bmediumनिःशुल्क उपलब्धvsQwen3.5-27Bnonegpt-oss-120bmediumनिःशुल्क उपलब्धvsQwen3.5-35B-A3Bnonegpt-oss-120bmediumनिःशुल्क उपलब्धvsGLM 5noneTrinity Large Preview (free)noneनिःशुल्क उपलब्धvsgpt-oss-120bmediumनिःशुल्क उपलब्धgpt-oss-120bmediumनिःशुल्क उपलब्धvsQwen3.5 Plus 2026-02-15nonegpt-oss-120bmediumनिःशुल्क उपलब्धvsGLM 4.7 Flashnone