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 none Rilis: 2026-02-24 |
|---|---|---|
| Peringkat | #2 | #50 |
| Skor Rata-rata | 93 | 34 |
| Konsistensi | 100 | 89 |
| Biaya per hasil | 3.544 | 0.147 |
| Total Biaya | $0.497 | $0.006 |
| Tes benar | ||
| Tingkat lulus per percobaan | 93.3% | 33.3% |
| Tes tidak stabil | 0 | 2 |
| Token output | 1,413 | 1,144 |
| Token penalaran | 34,477 | 0 |
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 | 100 | 100 | 0.0% | 0 | 274 | 0 |
| 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 | 0.0% | 0 | 131 | 0 |
| 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 | 180 | 0 |
| 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 | 40 | 72 | 44.4% | 1 | 46 | 0 |
| Kepatuhan instruksi | 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 | 72 | 2,236 | |
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 82 | 0 |
| 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 | 100 | 100 | 0.0% | 0 | 234 | 0 |
| 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 | 197 | 0 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Mercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumMercury 2nonevsMiniMax M2.5mediumGemini 3.1 Pro PreviewmediumvsGPT-5.2 ChatnoneMercury 2nonevsgpt-oss-120bmediumTersedia gratisGemini 3.1 Pro PreviewmediumvsGPT-5.3 ChatnoneMercury 2nonevsGPT-5 NanomediumMercury 2nonevsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsGemini 3.1 Pro PreviewmediumMercury 2nonevsGPT-5 MinimediumGemini 3.1 Pro PreviewmediumvsQwen3.5 Plus 2026-02-15noneClaude Opus 4.6mediumvsMercury 2none