Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Inception: Mercury 2 vs OpenAI: GPT-5.3 Chat

Ringkasan

Perbandingan benchmark Mercury 2 vs GPT-5.3 Chat: Skor rata-rata hampir imbang di 7.5 vs 7.5. Mercury 2 memiliki biaya benchmark lebih rendah di $0.058 vs $0.433. Mercury 2 lebih cepat di 2.24s vs 6.34s, dengan tingkat keberhasilan 54.0% vs 66.7%.

Model yang direkomendasikan: Mercury 2 - It has the best score here (7.5), while costing about 7.5x less than GPT-5.3 Chat.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik Mercury 2 Mercury 2 medium Rilis: 2026-02-24 GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03
Skor 7.5 7.5
Peringkat #46 #47
Keandalan 10.0 10.0
Konsistensi 8.8 8.1
Tes benar
Tingkat lulus per percobaan 54.0% 66.7%
Tes tidak stabil 3 5
Total Run 63 63
Biaya per hasil 0.578 3.605
Total Biaya $0.058 $0.433
Harga input $0.250 / 1M $1.750 / 1M
Harga output $0.750 / 1M $14.000 / 1M
Total token input 35,116 34,209
Token output 4,048 26,617
Token penalaran 61,219 0
Waktu respons (rata-rata) 2.24s 6.34s
Waktu respons (maks) 14.63s 18.33s
Waktu respons (total) 44.72s 133.13s

Generation showcase

Hamster playing table tennis

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

#46 Mercury 2

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

#47 GPT-5.3 Chat

none
Cost
$0.008
Time
8.1s
Tokens
634 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
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
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
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Kimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok Build 0.1mediumSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3 ChatnoneMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5.3 ChatnonevsStep 3.7 Flashlow