Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Inception: Mercury 2

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Mercury 2: Claude Opus 4.8 unggul dalam skor rata-rata dengan 7.0 vs 6.6. Mercury 2 memiliki biaya benchmark lebih rendah di $0.058 vs $0.539. Mercury 2 lebih cepat di 2.24s vs 3.47s, dengan tingkat keberhasilan 61.9% vs 54.0%.

Model yang direkomendasikan: Mercury 2 - Its score stays close to the best score here (6.6 vs 7.0), while costing about 9.3x less than Claude Opus 4.8.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28 Mercury 2 Mercury 2 medium Rilis: 2026-02-24
Skor 7.0 6.6
Peringkat #68 #81
Keandalan 10.0 10.0
Konsistensi 9.2 8.8
Tes benar
Tingkat lulus per percobaan 61.9% 54.0%
Tes tidak stabil 2 3
Total Run 63 63
Biaya per hasil 4.485 0.578
Total Biaya $0.539 $0.058
Harga input $5.000 / 1M $0.250 / 1M
Harga output $25.000 / 1M $0.750 / 1M
Total token input 67,104 35,116
Token output 8,107 4,048
Token penalaran 0 61,219
Waktu respons (rata-rata) 3.47s 2.24s
Waktu respons (maks) 17.73s 14.63s
Waktu respons (total) 72.90s 44.72s

Generation showcase

Hamster playing table tennis

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

#68 Claude Opus 4.8

none
Cost
$0.053
Time
22.0s
Tokens
2,253 tok

#81 Mercury 2

medium
Cost
$0.002
Time
2.1s
Tokens
1,702 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 975 61 0
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsMiniMax M3mediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsGrok 4.20mediumGemma 4 31BnoneTersedia gratisvsMercury 2mediumClaude Opus 4.8nonevsMiMo-V2-FlashmediumClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMercury 2mediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGemini 3.1 Flash Litelow