AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs Inception: Mercury 2
तुलना करा:
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-03-05
| मेट्रिक | Anthropic: Claude Opus 4.6 medium प्रकाशन: 2026-02-05 | Inception: Mercury 2 none प्रकाशन: 2026-02-24 |
|---|---|---|
| क्रमांक | #30 | #50 |
| सरासरी स्कोअर | 64 | 34 |
| सुसंगतता | 89 | 89 |
| प्रति निकाल खर्च | 14.411 | 0.147 |
| एकूण खर्च | $1.297 | $0.006 |
| प्रतिसाद वेळ (सरासरी) | 25.08s | 594ms |
| प्रतिसाद वेळ (कमाल) | 83.40s | 1.27s |
| प्रतिसाद वेळ (एकूण) | 200.67s | 8.91s |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 64.4% | 33.3% |
| अस्थिर चाचण्या | 2 | 2 |
| आउटपुट टोकन्स | 26,066 | 1,144 |
| रिझनिंग टोकन्स | 17,071 | 0 |
प्रतिसाद वेळ (सरासरी)
स्कोअर विरुद्ध एकूण खर्च
सरासरी स्कोअर vs प्रतिसाद वेळ (सरासरी)
श्रेणीवार तपशील
| अँटी-एआय युक्त्या | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 |
| संयुक्त | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 |
| डेटा पार्सिंग आणि निष्कर्षण | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 |
| डोमेन-विशिष्ट | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 |
| सूचनांचे पालन | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 |
| टूल कॉलिंग | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| 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 |
झटपट तुलना
तुलना जोडी बदला
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