Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs Inception: Mercury 2

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică Claude Sonnet 4.6 Claude Sonnet 4.6 none Lansare: 2026-02-17 Mercury 2 Mercury 2 medium Lansare: 2026-02-24
Scor 6.8 6.6
Rang #77 #81
Fiabilitate 10.0 10.0
Consistență 9.7 8.8
Teste corecte
Rată de trecere pe încercare 55.6% 54.0%
Teste instabile 1 3
Rulări totale 63 63
Cost per rezultat 2.870 0.578
Cost total $0.316 $0.058
Preț de intrare $3.000 / 1M $0.250 / 1M
Preț de ieșire $15.000 / 1M $0.750 / 1M
Total tokenuri de intrare 57,886 35,116
Tokenuri de ieșire 9,465 4,048
Tokenuri de raționament 0 61,219
Timp de răspuns (mediu) 5.04s 2.24s
Timp de răspuns (maxim) 23.84s 14.63s
Timp de răspuns (total) 70.60s 44.72s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 4.8 10.0 25.0% 0 2.94s 636 1,214 0
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 9.5 10.0 100.0% 0 23.84s 26,024 3,766 0
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 3.43s 8,574 252 0
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 7.7 10.0 66.7% 0 3.54s 759 413 0
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 6.1 3.1 66.7% 1 2.56s 513 192 0
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 6.5 10.0 50.0% 0 1.96s 690 90 0
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 7.7 10.0 66.7% 0 2.53s 663 533 0
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.11s 11,301 447 0
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 3.0 10.0 0.0% 0 4.67s 204 431 0
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

Comparație rapidă

Schimbă perechea de comparație

Claude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsRing-2.6-1TmediumClaude Sonnet 4.6nonevsQwen3.6 27BmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMimo V2 OmnimediumGemma 4 31BnoneDisponibil gratuitvsMercury 2mediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsQwen3.7 PlusnoneMercury 2mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsGPT-5.4 Nanomedium