AI BENCHY Compare
Inception: Mercury 2 vs OpenAI: GPT-5.4
तुलना करा:
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-03-05
| मेट्रिक | Inception: Mercury 2 medium प्रकाशन: 2026-02-24 | OpenAI: GPT-5.4 none प्रकाशन: 2026-03-05 |
|---|---|---|
| क्रमांक | #35 | #44 |
| सरासरी स्कोअर | 54 | 46 |
| सुसंगतता | 83 | 89 |
| प्रति निकाल खर्च | 0.622 | 1.496 |
| एकूण खर्च | $0.044 | $0.090 |
| प्रतिसाद वेळ (सरासरी) | 2.47s | 1.46s |
| प्रतिसाद वेळ (कमाल) | 14.63s | 2.89s |
| प्रतिसाद वेळ (एकूण) | 34.56s | 21.86s |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 57.8% | 44.4% |
| अस्थिर चाचण्या | 3 | 2 |
| आउटपुट टोकन्स | 3,571 | 1,635 |
| रिझनिंग टोकन्स | 45,379 | 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 73 | 98 | 66.7% | 0 | 1.30s | 2,531 | 2,410 | |
| OpenAI: GPT-5.4 | 100 | 73 | 11.1% | 1 | 1.41s | 388 | 0 |
| संयुक्त | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 3.28s | 268 | 4,887 | |
| OpenAI: GPT-5.4 | 100 | 100 | 0.0% | 0 | 2.89s | 291 | 0 |
| डेटा पार्सिंग आणि निष्कर्षण | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| OpenAI: GPT-5.4 | 99 | 100 | 100.0% | 0 | 1.04s | 222 | 0 |
| डोमेन-विशिष्ट | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 72 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| OpenAI: GPT-5.4 | 40 | 72 | 44.4% | 1 | 1.07s | 50 | 0 |
| सूचनांचे पालन | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 1.07s | 14 | 958 | |
| OpenAI: GPT-5.4 | 55 | 100 | 50.0% | 0 | 1.07s | 81 | 0 |
| Puzzle Solving | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 17 | 75 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| OpenAI: GPT-5.4 | 40 | 98 | 33.3% | 0 | 1.52s | 357 | 0 |
| टूल कॉलिंग | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 1.89s | 180 | 1,956 | |
| OpenAI: GPT-5.4 | 100 | 100 | 100.0% | 0 | 2.75s | 246 | 0 |
झटपट तुलना
तुलना जोडी बदला
Gemini 2.5 FlashnonevsMercury 2mediumMiniMax M2.5mediumvsGPT-5.4noneDeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneMercury 2mediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneTrinity Large Preview (free)noneमोफत उपलब्धvsMercury 2mediumGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3 Coder Nextmedium