Inception: Mercury 2 vs OpenAI: GPT-5.6 Sol

Mercury 2 (medium) unggul dalam skor rata-rata dengan 7.0 vs 6.9. Mercury 2 (medium) memiliki biaya benchmark lebih rendah di $0.093 vs $0.524. GPT-5.6 Sol lebih cepat di 2.16s vs 2.72s, dengan tingkat keberhasilan 51.5% vs 59.1%.

Model yang direkomendasikanMercury 2 (medium)It has the best score here (7.0), while costing about 5.6x less than GPT-5.6 Sol.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	Mercury 2 Mercury 2 medium Rilis: 2026-02-24	GPT-5.6 Sol GPT-5.6 Sol none Rilis: 2026-07-09

Metrik	Mercury 2 Mercury 2 medium Rilis: 2026-02-24	GPT-5.6 Sol GPT-5.6 Sol none Rilis: 2026-07-09
Skor	7.0	6.9
Peringkat	#75	#80
Keandalan	10.0	10.0
Konsistensi	8.8	9.0
Tes benar
Tingkat lulus per percobaan	51.5%	59.1%
Tes tidak stabil	3	3
Total Run	66	66
Biaya per hasil	0.928	4.761
Total Biaya	$0.093	$0.524
Harga input	$0.250 / 1M	$5.000 / 1M
Harga output	$0.750 / 1M	$30.000 / 1M
Total token input	109,572	78,593
Token output	10,313	4,357
Token penalaran	76,806	0
Waktu respons (rata-rata)	2.72s	2.16s
Waktu respons (maks)	14.63s	12.81s
Waktu respons (total)	57.12s	47.62s

Hamster playing table tennis

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

#75 Mercury 2

medium

Biaya: $0.002
Waktu: 2.1s
Token: 1,702 tok

#80 GPT-5.6 Sol

none

Biaya: $0.116
Waktu: 78.7s
Token: 3,944 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

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-5.6 Sol	8.3	10.0	75.0%	0		1.27s	606	154	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-5.6 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	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	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
GPT-5.6 Sol	6.5	10.0	50.0%	0		8.37s	55,394	2,881	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-5.6 Sol	10.0	10.0	100.0%	0		1.53s	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-5.6 Sol	3.6	7.2	22.2%	1		1.43s	723	54	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-5.6 Sol	6.5	3.4	66.7%	1		1.52s	477	91	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-5.6 Sol	8.5	6.8	83.3%	1		1.33s	660	84	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-5.6 Sol	7.7	10.0	66.7%	0		1.49s	642	211	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-5.6 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	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-5.6 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.5 FlashnonevsMercury 2medium GPT-5.6 SolnonevsMiMo-V2.5-Promedium GPT-5.6 SolnonevsQwen3.6 Flashmedium KAT-Coder-Pro V2.5mediumvsGPT-5.6 Solnone GPT-5.6 SolnonevsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.6 Solnone Gemini 3.5 FlashminimalvsGPT-5.6 Solnone DeepSeek V4 PrononevsMercury 2medium Kimi K2.5mediumvsGPT-5.6 Solnone DeepSeek V3.2mediumvsGPT-5.6 Solnone Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none