Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Inception: Mercury 2 vs OpenAI: GPT-5.5

Ringkasan

Perbandingan benchmark Mercury 2 vs GPT-5.5: Mercury 2 unggul dalam skor rata-rata dengan 6.6 vs 6.4. Mercury 2 memiliki biaya benchmark lebih rendah di $0.058 vs $0.231. GPT-5.5 lebih cepat di 1.89s vs 2.24s, dengan tingkat keberhasilan 54.0% vs 54.0%.

Model yang direkomendasikan: Mercury 2 - It has the best score here (6.6), while costing about 4.0x less than GPT-5.5.

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

Metrik Mercury 2 Mercury 2 medium Rilis: 2026-02-24 GPT-5.5 GPT-5.5 none Rilis: 2026-04-24
Skor 6.6 6.4
Peringkat #81 #91
Keandalan 10.0 10.0
Konsistensi 8.8 8.8
Tes benar
Tingkat lulus per percobaan 54.0% 54.0%
Tes tidak stabil 3 3
Total Run 63 63
Biaya per hasil 0.578 2.302
Total Biaya $0.058 $0.231
Harga input $0.250 / 1M $5.000 / 1M
Harga output $0.750 / 1M $30.000 / 1M
Total token input 35,116 34,212
Token output 4,048 1,971
Token penalaran 61,219 0
Waktu respons (rata-rata) 2.24s 1.89s
Waktu respons (maks) 14.63s 5.56s
Waktu respons (total) 44.72s 39.64s

Generation showcase

Hamster playing table tennis

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

#81 Mercury 2

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

#91 GPT-5.5

none
Cost
$0.090
Time
54.3s
Tokens
3,063 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-5.5 6.9 7.9 66.7% 1 1.31s 606 213 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-5.5 5.5 10.0 33.3% 0 1.35s 7,305 462 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-5.5 3.0 10.0 0.0% 0 5.56s 11,019 300 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-5.5 10.0 10.0 100.0% 0 1.18s 7,140 222 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-5.5 2.9 7.2 11.1% 1 1.31s 723 52 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-5.5 10.0 10.0 100.0% 0 3.41s 477 124 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-5.5 6.2 5.8 66.7% 1 1.15s 660 81 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-5.5 7.7 10.0 66.7% 0 1.29s 642 252 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-5.5 10.0 10.0 100.0% 0 3.90s 5,445 247 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-5.5 3.0 10.0 0.0% 0 5.01s 195 18 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.1 Flash LiteminimalvsGPT-5.5noneGemma 4 31BnoneTersedia gratisvsMercury 2mediumClaude Sonnet 4.6nonevsMercury 2mediumGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsQwen3.7 PlusnoneMercury 2mediumvsQwen3.6 Max PreviewnoneGemini 3.1 Flash LitenonevsMercury 2mediumGPT-5.5nonevsQwen3.6 27BmediumMercury 2mediumvsStep 3.7 FlashhighDeepSeek V4 ProhighvsGPT-5.5noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneClaude Opus 4.8nonevsMercury 2medium