नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Inception: Mercury 2 vs OpenAI: GPT-5.6 Terra

सारांश

Mercury 2 (medium) vs GPT-5.6 Terra (low) benchmark तुलना: GPT-5.6 Terra (low) average score मध्ये पुढे आहे: 7.7 vs 7.5. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.058 vs $0.343. Mercury 2 (medium) वेगवान आहे: 2.24s vs 4.88s, pass rates 54.0% vs 74.6%.

शिफारस केलेले मॉडेल: Mercury 2 (medium) - Its score stays close to the best score here (7.5 vs 7.7), while costing about 5.9x less than GPT-5.6 Terra (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-09

मेट्रिक Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24 GPT-5.6 Terra GPT-5.6 Terra low प्रकाशन: 2026-07-09
स्कोअर 7.5 7.7
क्रमांक #56 #47
विश्वसनीयता 10.0 10.0
सुसंगतता 8.8 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 54.0% 74.6%
अस्थिर चाचण्या 3 5
एकूण रन 63 63
प्रति निकाल खर्च 0.578 2.637
एकूण खर्च $0.058 $0.343
इनपुट किंमत $0.250 / 1M $2.500 / 1M
आउटपुट किंमत $0.750 / 1M $15.000 / 1M
एकूण इनपुट टोकन्स 35,116 34,226
आउटपुट टोकन्स 4,048 1,943
रिझनिंग टोकन्स 61,219 15,201
प्रतिसाद वेळ (सरासरी) 2.24s 4.88s
प्रतिसाद वेळ (कमाल) 14.63s 19.85s
प्रतिसाद वेळ (एकूण) 44.72s 102.53s

जनरेशन शोकेस

Hamster playing table tennis

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

#56 Mercury 2

medium
खर्च
$0.002
वेळ
2.1s
टोकन्स
1,702 tok

#47 GPT-5.6 Terra

low
खर्च
$0.034
वेळ
16.8s
टोकन्स
2,348 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
GPT-5.6 Terra 8.3 10.0 75.0% 0 2.36s 606 171 602
कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
GPT-5.6 Terra 6.6 4.6 77.8% 2 9.56s 7,302 429 6,821
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
GPT-5.6 Terra 10.0 10.0 100.0% 0 5.07s 11,019 312 349
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
GPT-5.6 Terra 10.0 10.0 100.0% 0 919ms 7,140 222 0
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
GPT-5.6 Terra 5.3 7.2 44.4% 1 8.34s 723 72 4,086
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
GPT-5.6 Terra 4.8 3.2 33.3% 1 3.52s 477 105 249
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
GPT-5.6 Terra 10.0 10.0 100.0% 0 1.48s 660 87 134
कोडी सोडवणे स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
GPT-5.6 Terra 10.0 10.0 100.0% 0 4.46s 642 259 1,506
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
GPT-5.6 Terra 4.7 1.6 66.7% 1 6.69s 5,462 257 226
सामान्य ज्ञान स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748
GPT-5.6 Terra 3.0 10.0 0.0% 0 5.95s 195 29 1,228

झटपट तुलना

तुलना जोडी बदला