ナビゲーション
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Inception: Mercury 2

概要

Claude Opus 4.8 (low) vs Mercury 2 (medium) の benchmark 比較: Claude Opus 4.8 (low) が平均スコアでリードし、7.7 vs 7.5 です。 Mercury 2 (medium) の benchmark コストが低く、$0.058 vs $1.270 です。 Mercury 2 (medium) の方が高速で、2.24s vs 10.83s です、成功率は 79.4% vs 54.0% です。

おすすめモデル: Mercury 2 (medium) - スコアはここでの最高値に近く（7.5 vs 7.7）、Claude Opus 4.8 (low) より約 22.0 倍低コストです。

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: 2026-07-09

指標 Claude Opus 4.8 Claude Opus 4.8 low リリース: 2026-05-28 Mercury 2 Mercury 2 medium リリース: 2026-02-24
スコア 7.7 7.5
順位 #45 #56
信頼性 10.0 10.0
一貫性 8.8 8.8
正解テスト
試行ごとの合格率 79.4% 54.0%
不安定なテスト 3 3
総実行回数 63 63
結果あたりのコスト 8.466 0.578
合計コスト $1.270 $0.058
入力価格 $5.000 / 1M $0.250 / 1M
出力価格 $25.000 / 1M $0.750 / 1M
合計入力トークン 60,946 35,116
出力トークン 31,771 4,048
推論トークン 6,831 61,219
応答時間（平均） 10.83s 2.24s
応答時間（最大） 127.97s 14.63s
応答時間（合計） 227.39s 44.72s

生成ショーケース

Hamster playing table tennis

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

#45 Claude Opus 4.8

low
コスト
$0.031
時間
14.1s
トークン
1,345 tok

#56 Mercury 2

medium
コスト
$0.002
時間
2.1s
トークン
1,702 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
コーディング 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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
汎用知能 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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
パズル解決 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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
雑学 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） 入力トークン 出力トークン 推論トークン
Claude Opus 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

クイック比較

比較ペアを切り替え

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6medium無料で利用可能Claude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumMercury 2mediumvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsGPT-5.6 LunahighDeepSeek V4 ProhighvsMercury 2mediumClaude Opus 4.8lowvsGPT-5.6 TerramediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3medium