AI BENCHY Compare
Google: Gemini 3.1 Pro Preview vs Inception: Mercury 2
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-05
| Metrik | Google: Gemini 3.1 Pro Preview medium Rilis: 2026-02-19 | Inception: Mercury 2 medium Rilis: 2026-02-24 |
|---|---|---|
| Peringkat | #2 | #40 |
| Skor Rata-rata | 91 | 48 |
| Konsistensi | 100 | 83 |
| Biaya per hasil | 3.817 | 0.726 |
| Total Biaya | $0.497 | $0.044 |
| Tes benar | ||
| Tingkat lulus per percobaan | 86.7% | 51.1% |
| Tes tidak stabil | 0 | 3 |
| Token output | 1,413 | 3,571 |
| Token penalaran | 34,477 | 45,379 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 106 | 2,533 | |
| Inception: Mercury 2 | 73 | 98 | 66.7% | 0 | 2,531 | 2,410 |
| Gabungan | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 90 | 100 | 100.0% | 0 | 432 | 9,281 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 268 | 4,887 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 99 | 100 | 100.0% | 0 | 279 | 3,904 | |
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 183 | 1,656 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 70 | 100 | 66.7% | 0 | 18 | 12,424 | |
| Inception: Mercury 2 | 100 | 72 | 11.1% | 1 | 41 | 30,754 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 80 | 100 | 50.0% | 0 | 72 | 2,236 | |
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 14 | 958 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 232 | 3,117 | |
| Inception: Mercury 2 | 17 | 75 | 22.2% | 1 | 354 | 2,758 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 274 | 982 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 180 | 1,956 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Mercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsQwen3.5-FlashnoneDeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-27BnoneMercury 2mediumvsQwen3.5-35B-A3BnoneGemini 2.5 FlashnonevsMercury 2mediumMercury 2mediumvsGPT-5.4noneTrinity Large Preview (free)noneTersedia gratisvsMercury 2mediumMercury 2mediumvsGPT-4o-mininoneMercury 2mediumvsGLM 5noneMercury 2mediumvsGLM 4.7 FlashnoneMercury 2mediumvsKimi K2.5none