AI BENCHY Compare
Inception: Mercury 2 vs OpenAI: GPT-5.4 Mini
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: 2026-04-16
| 指標 | Mercury 2 Mercury 2 none | GPT-5.4 Mini GPT-5.4 Mini none |
|---|---|---|
| スコア | 4.8 | 5.1 |
| 順位 | #89 | #84 |
| 一貫性 | 9.0 | 8.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 27.8% | 35.2% |
| 不安定なテスト | 2 | 3 |
| 総実行回数 | 54 | 54 |
| 結果あたりのコスト | 0.165 | 0.630 |
| 合計コスト | $0.007 | $0.032 |
| ???? | $0.250 / 1M | $0.750 / 1M |
| ???? | $0.750 / 1M | $4.500 / 1M |
| 出力トークン | 1,625 | 2,418 |
| 推論トークン | 0 | 0 |
| 応答時間（平均） | 613ms | 1.17s |
| 応答時間（最大） | 1.27s | 2.52s |
| 応答時間（合計） | 11.04s | 21.01s |
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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 483ms | 286 | 0 | |
| GPT-5.4 Mini | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.6 | 8.9 | 0.0% | 0 | 969ms | 310 | 0 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.19s | 333 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 606ms | 131 | 0 | |
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 667ms | 180 | 0 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.30s | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 5.3 | 7.2 | 44.4% | 1 | 534ms | 46 | 0 | |
| GPT-5.4 Mini | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 628ms | 159 | 0 | |
| GPT-5.4 Mini | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 6.5 | 10.0 | 50.0% | 0 | 551ms | 82 | 0 | |
| GPT-5.4 Mini | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.1 | 10.0 | 0.0% | 0 | 533ms | 234 | 0 | |
| GPT-5.4 Mini | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 197 | 0 | |
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 |
クイック比較
比較ペアを切り替え
Mercury 2nonevsQwen3 Coder NextmediumGPT-5.4 MininonevsElephantmediumMiniMax M2.7mediumvsGPT-5.4 MininoneMercury 2nonevsGLM 4.7 FlashmediumGPT-5.4 MininonevsQwen3 Coder NextmediumMercury 2nonevsQwen3.5-9BmediumMercury 2nonevsElephantmediumMercury 2nonevsMiniMax M2.7mediumMistral Small 4mediumvsGPT-5.4 MininoneGPT-5.4 MininonevsGLM 4.7 FlashmediumMiniMax M2.5medium無料で利用可能vsGPT-5.4 MininoneGPT-5.4 MininonevsQwen3.5-9Bmedium