Inception: Mercury 2 vs OpenAI: GPT-5.6 Sol

Mercury 2 (medium) が平均スコアでリードし、7.0 vs 6.9 です。 Mercury 2 (medium) の benchmark コストが低く、$0.093 vs $0.524 です。 GPT-5.6 Sol の方が高速で、2.16s vs 2.72s です、成功率は 51.5% vs 59.1% です。

おすすめモデルMercury 2 (medium)ここでは最高スコア（7.0）で、GPT-5.6 Sol より約 5.6 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: 2026-07-17

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	GPT-5.6 Sol GPT-5.6 Sol none リリース: 2026-07-09

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	GPT-5.6 Sol GPT-5.6 Sol none リリース: 2026-07-09
スコア	7.0	6.9
順位	#75	#80
信頼性	10.0	10.0
一貫性	8.8	9.0
正解テスト
試行ごとの合格率	51.5%	59.1%
不安定なテスト	3	3
総実行回数	66	66
結果あたりのコスト	0.928	4.761
合計コスト	$0.093	$0.524
入力価格	$0.250 / 1M	$5.000 / 1M
出力価格	$0.750 / 1M	$30.000 / 1M
合計入力トークン	109,572	78,593
出力トークン	10,313	4,357
推論トークン	76,806	0
応答時間（平均）	2.72s	2.16s
応答時間（最大）	14.63s	12.81s
応答時間（合計）	57.12s	47.62s

Hamster playing table tennis

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

#75 Mercury 2

medium

コスト: $0.002
時間: 2.1s
トークン: 1,702 tok

#80 GPT-5.6 Sol

none

コスト: $0.116
時間: 78.7s
トークン: 3,944 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

カテゴリ:

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
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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

クイック比較

比較ペアを切り替え

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