Navigasi
Advertise here

Mercury 2.5 Preview (medium) vs GPT-5.6 Luna (low)

Skor rata-rata hampir imbang di 6.8 vs 6.9. Mercury 2.5 Preview (medium) memiliki biaya benchmark lebih rendah di $0.039 vs $0.049. Mercury 2.5 Preview (medium) lebih cepat di 6.66s vs 6.96s, dengan tingkat keberhasilan 66.7% vs 56.5%.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-11-13

Model yang Dibandingkan

Peringkat
#243
Total token output
150,107
Waktu respons (rata-rata)
6.66s
Total Biaya
$0.039
Peringkat
#237
Total token output
28,001
Waktu respons (rata-rata)
6.96s
Total Biaya
$0.049
Model yang direkomendasikan GPT-5.6 Luna (low)

Model ini memiliki skor tertinggi dalam perbandingan ini (6.9) dan keseimbangan terbaik antara biaya dan waktu respons di antara 2 model.

Perbandingan terperinci

Metrik Mercury 2.5 Preview Mercury 2.5 Preview medium Rilis: 2026-09-02 GPT-5.6 Luna GPT-5.6 Luna low Rilis: 2026-07-09
Skor 6.8 6.9
Peringkat #243 #237
Keandalan 10.0 10.0
Konsistensi 9.6 8.3
Percobaan 69/69 69/69
Tes benar
Tingkat lulus per percobaan 66.7% 56.5%
Tes tidak stabil 1 5
Total Run 69 69
Biaya per hasil 0.244 2.428
Total Biaya $0.039 $0.049
Harga input $0.040 / 1M $0.200 / 1M
Harga output $0.150 / 1M $1.200 / 1M
Harga baca cache T/A $0.020 / 1M
Harga tulis cache T/A $0.250 / 1M
Total token input 397,291 202,680
Token output 6,355 9,230
Token penalaran 143,752 18,771
Waktu respons (rata-rata) 6.66s 6.96s
Waktu respons (maks) 74.63s 45.74s
Waktu respons (total) 153.29s 160.19s
Parameter ~100B ~400B total (~17B aktif)
Ketersediaan Tertutup Tertutup

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Showcase generasi model

Hamster playing table tennis

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

#243 Mercury 2.5 Preview

medium
Biaya
$0.001
Waktu
2.7s
Token
2,241 tok

#237 GPT-5.6 Luna

low
Biaya
$0.011
Waktu
10.2s
Token
1,897 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

Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2.5 Preview 7.8 10.0 66.7% 0 3.86s 7,839 552 22,126
GPT-5.6 Luna 5.5 10.0 33.3% 0 4.61s 7,302 557 3,535

Ganti Pasangan Perbandingan