Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs Inception: Mercury 2

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

Metrik Claude Sonnet 4.6 Claude Sonnet 4.6 none Rilis: 2026-02-17 Mercury 2 Mercury 2 medium Rilis: 2026-02-24
Skor 6.8 6.6
Peringkat #77 #81
Keandalan 10.0 10.0
Konsistensi 9.7 8.8
Tes benar
Tingkat lulus per percobaan 55.6% 54.0%
Tes tidak stabil 1 3
Total Run 63 63
Biaya per hasil 2.870 0.578
Total Biaya $0.316 $0.058
Harga input $3.000 / 1M $0.250 / 1M
Harga output $15.000 / 1M $0.750 / 1M
Total token input 57,886 35,116
Token output 9,465 4,048
Token penalaran 0 61,219
Waktu respons (rata-rata) 5.04s 2.24s
Waktu respons (maks) 23.84s 14.63s
Waktu respons (total) 70.60s 44.72s

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 Sonnet 4.6 4.8 10.0 25.0% 0 2.94s 636 1,214 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 Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 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 Sonnet 4.6 9.5 10.0 100.0% 0 23.84s 26,024 3,766 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 Sonnet 4.6 10.0 10.0 100.0% 0 3.43s 8,574 252 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 Sonnet 4.6 7.7 10.0 66.7% 0 3.54s 759 413 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 Sonnet 4.6 6.1 3.1 66.7% 1 2.56s 513 192 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 Sonnet 4.6 6.5 10.0 50.0% 0 1.96s 690 90 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 Sonnet 4.6 7.7 10.0 66.7% 0 2.53s 663 533 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 Sonnet 4.6 10.0 10.0 100.0% 0 4.11s 11,301 447 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 Sonnet 4.6 3.0 10.0 0.0% 0 4.67s 204 431 0
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsRing-2.6-1TmediumClaude Sonnet 4.6nonevsQwen3.6 27BmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMimo V2 OmnimediumGemma 4 31BnoneTersedia gratisvsMercury 2mediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsQwen3.7 PlusnoneMercury 2mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsGPT-5.4 Nanomedium