AI BENCHY Compare
Inception: Mercury 2 vs OpenAI: gpt-oss-120b
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: 2026-06-03
| 指標 | Mercury 2 Mercury 2 none | gpt-oss-120b gpt-oss-120b medium 無料で利用可能 |
|---|---|---|
| スコア | 4.6 | 5.9 |
| 順位 | #153 | #103 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.1 | 7.9 |
| 正解テスト | ||
| 試行ごとの合格率 | 25.0% | 50.0% |
| 不安定なテスト | 2 | 5 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 0.216 | 0.151 |
| 合計コスト | $0.009 | $0.012 |
| 入力価格 | $0.250 / 1M | $0.039 / 1M |
| 出力価格 | $0.750 / 1M | $0.180 / 1M |
| 合計入力トークン | 25,515 | 36,355 |
| 出力トークン | 3,001 | 17,495 |
| 推論トークン | 0 | 46,878 |
| 応答時間（平均） | 614ms | 22.41s |
| 応答時間（最大） | 1.27s | 68.16s |
| 応答時間（合計） | 12.28s | 291.35s |
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 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 483ms | 631 | 286 | 0 | |
| gpt-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 1,314 | 3,518 | 2,177 |
| 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 | 3.5 | 9.4 | 0.0% | 0 | 831ms | 4,631 | 1,650 | 0 | |
| gpt-oss-120b | 3.9 | 5.6 | 33.3% | 1 | 47.24s | 5,053 | 847 | 8,618 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 606ms | 4,821 | 131 | 0 | |
| gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 11,535 | 694 | 5,072 |
| 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 | 667ms | 6,362 | 180 | 0 | |
| gpt-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 7,476 | 241 | 1,114 |
| 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 | 5.3 | 7.2 | 44.4% | 1 | 534ms | 784 | 46 | 0 | |
| gpt-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 1,266 | 6,784 | 20,606 |
| 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 | 628ms | 495 | 159 | 0 | |
| gpt-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 659 | 107 | 387 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 551ms | 691 | 82 | 0 | |
| gpt-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 1,036 | 126 | 1,799 |
| 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 | 3.1 | 10.0 | 0.0% | 0 | 535ms | 694 | 251 | 0 | |
| gpt-oss-120b | 5.3 | 7.2 | 44.4% | 1 | 21.71s | 1,190 | 1,790 | 2,264 |
| 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 | 1.27s | 6,193 | 197 | 0 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 6,514 | 287 | 1,083 |
| 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 | 548ms | 213 | 19 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 312 | 3,101 | 3,758 |
クイック比較
比較ペアを切り替え
gpt-oss-120bmedium無料で利用可能vsQwen3.5-Flashnonegpt-oss-120bmedium無料で利用可能vsGLM 5V TurbononeSeed-2.0-Litenonevsgpt-oss-120bmedium無料で利用可能gpt-oss-120bmedium無料で利用可能vsGLM 5.1noneDeepSeek V4 Prononevsgpt-oss-120bmedium無料で利用可能gpt-oss-120bmedium無料で利用可能vsQwen3.5 Plus 2026-04-20noneMercury 2nonevsQwen3 Coder Nextmediumgpt-oss-120bmedium無料で利用可能vsQwen3.5-35B-A3BnoneMercury 2nonevsGLM 4.7 Flashmediumgpt-oss-120bmedium無料で利用可能vsQwen3.5-27Bnonegpt-oss-120bmedium無料で利用可能vsQwen3.6 27BnoneDeepSeek V4 Prohighvsgpt-oss-120bmedium無料で利用可能