AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs Inception: Mercury 2
比較する:
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-03-05
| 指標 | Anthropic: Claude Opus 4.6 medium リリース: 2026-02-05 | Inception: Mercury 2 none リリース: 2026-02-24 |
|---|---|---|
| 順位 | #30 | #50 |
| 平均スコア | 64 | 34 |
| 一貫性 | 89 | 89 |
| 結果あたりのコスト | 14.411 | 0.147 |
| 合計コスト | $1.297 | $0.006 |
| 応答時間（平均） | 25.08s | 594ms |
| 応答時間（最大） | 83.40s | 1.27s |
| 応答時間（合計） | 200.67s | 8.91s |
| 正解テスト | ||
| 試行ごとの合格率 | 64.4% | 33.3% |
| 不安定なテスト | 2 | 2 |
| 出力トークン | 26,066 | 1,144 |
| 推論トークン | 17,071 | 0 |
応答時間（平均）
スコア vs 総コスト
平均スコア vs 応答時間（平均）
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 40 | 44 | 55.6% | 2 | 11.88s | 897 | 1,000 | |
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 466ms | 274 | 0 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 100 | 100 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 606ms | 131 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 99 | 100 | 100.0% | 0 | 7.37s | 691 | 757 | |
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 667ms | 180 | 0 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 100 | 100 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| Inception: Mercury 2 | 40 | 72 | 44.4% | 1 | 534ms | 46 | 0 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 100 | 100 | 100.0% | 0 | 2.43s | 266 | 467 | |
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 551ms | 82 | 0 |
| Puzzle Solving | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 70 | 100 | 66.7% | 0 | 4.60s | 531 | 637 | |
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 533ms | 234 | 0 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 100 | 100 | 100.0% | 0 | 9.73s | 861 | 329 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 1.27s | 197 | 0 |
クイック比較
比較ペアを切り替え
Claude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumClaude Opus 4.6mediumvsGLM 5noneClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 2.5 FlashnoneClaude Opus 4.6mediumvsDeepSeek V3.2noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsQwen3.5-122B-A10BnoneClaude Opus 4.6mediumvsGPT-5.2 Chatnone