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: GPT-5.5 unggul dalam skor rata-rata dengan 9.3 vs 4.6. Mercury 2 memiliki biaya benchmark lebih rendah di $0.011 vs $0.907. Mercury 2 lebih cepat di 653ms vs 9.76s, dengan tingkat keberhasilan 23.8% vs 85.7%.

Model yang direkomendasikan: Mercury 2 - It offers the best overall trade-off: a competitive score (4.6), lower cost than GPT-5.5, and balanced response time.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik Mercury 2 Mercury 2 none Rilis: 2026-02-24 GPT-5.5 GPT-5.5 low Rilis: 2026-04-24
Skor 4.6 9.3
Peringkat #151 #4
Keandalan 10.0 10.0
Konsistensi 9.2 10.0
Tes benar
Tingkat lulus per percobaan 23.8% 85.7%
Tes tidak stabil 2 0
Total Run 63 63
Biaya per hasil 0.259 5.035
Total Biaya $0.011 $0.907
Harga input $0.250 / 1M $5.000 / 1M
Harga output $0.750 / 1M $30.000 / 1M
Total token input 28,113 34,209
Token output 4,439 2,046
Token penalaran 0 22,460
Waktu respons (rata-rata) 653ms 9.76s
Waktu respons (maks) 1.43s 56.19s
Waktu respons (total) 13.72s 204.92s

Showcase generasi

Hamster playing table tennis

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

#151 Mercury 2

none
Biaya
$0.002
Waktu
1.8s
Token
1,514 tok

#4 GPT-5.5

low
Biaya
$0.068
Waktu
37.0s
Token
2,339 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 3.0 10.0 0.0% 0 483ms 631 286 0
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Gabungan 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 606ms 4,821 131 0
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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 667ms 6,362 180 0
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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 5.3 7.2 44.4% 1 534ms 784 46 0
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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 628ms 495 159 0
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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 6.5 10.0 50.0% 0 551ms 691 82 0
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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 3.1 10.0 0.0% 0 535ms 694 251 0
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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 1.27s 6,193 197 0
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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 548ms 213 19 0
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.5lowvsQwen3.7 MaxmediumMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsMiniMax M2.5mediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowCobuddymediumvsMercury 2noneMercury 2nonevsGLM 4.7 FlashmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumMercury 2nonevsMistral Small 4mediumClaude Opus 4.8mediumvsGPT-5.5low