AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Inception: Mercury 2

Resumo

Comparação benchmark Claude Opus 4.8 (low) vs Mercury 2 (medium): Claude Opus 4.8 (low) lidera na pontuação média com 7.7 vs 7.5. Mercury 2 (medium) tem menor custo de benchmark com $0.058 vs $1.270. Mercury 2 (medium) é mais rápido com 2.24s vs 10.83s, com taxas de acerto de 79.4% vs 54.0%.

Modelo recomendado: Mercury 2 (medium) - A pontuação fica perto da melhor aqui (7.5 vs 7.7) e custa cerca de 22.0x menos que Claude Opus 4.8 (low).

Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-07-09

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lançamento: 2026-05-28	Mercury 2 Mercury 2 medium Lançamento: 2026-02-24

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lançamento: 2026-05-28	Mercury 2 Mercury 2 medium Lançamento: 2026-02-24
Pontuação	7.7	7.5
Posição	#45	#56
Confiabilidade	10.0	10.0
Consistência	8.8	8.8
Testes corretos
Taxa de acerto por tentativa	79.4%	54.0%
Testes instáveis	3	3
Execuções totais	63	63
Custo por resultado	8.466	0.578
Custo total	$1.270	$0.058
Preço de entrada	$5.000 / 1M	$0.250 / 1M
Preço de saída	$25.000 / 1M	$0.750 / 1M
Total de tokens de entrada	60,946	35,116
Tokens de saída	31,771	4,048
Tokens de raciocínio	6,831	61,219
Tempo de resposta (médio)	10.83s	2.24s
Tempo de resposta (máx.)	127.97s	14.63s
Tempo de resposta (total)	227.39s	44.72s

Geração showcase

Hamster playing table tennis

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

#45 Claude Opus 4.8

low

Custo: $0.031
Tempo: 14.1s
Tokens: 1,345 tok

#56 Mercury 2

medium

Custo: $0.002
Tempo: 2.1s
Tokens: 1,702 tok

Melhores modelos por pontuação

Pontuação vs custo total

Tempo de resposta (médio)

Pontuação vs Tempo de resposta (médio)

Total de tokens de saída

Pontuação vs Total de tokens de saída

Detalhamento por categoria

Truques anti-IA	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609

Programação	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328

Combinado	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Mercury 2	10.0	10.0	100.0%	0		3.28s	12,909	268	4,887

Análise e extração de dados	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656

Específico do domínio	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754

Inteligência geral	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542

Seguimento de instruções	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958

Resolução de quebra-cabeças	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781

Chamada de ferramentas	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956

Conhecimentos gerais	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748

Comparação rápida

Trocar par de comparação