AI BENCHY Compare
DeepSeek: DeepSeek V3.2 vs Inception: Mercury 2
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-05
| Metrică | DeepSeek: DeepSeek V3.2 none Lansare: 2025-12-01 | Inception: Mercury 2 medium Lansare: 2026-02-24 |
|---|---|---|
| Rang | #38 | #40 |
| Scor mediu | 49 | 48 |
| Consistență | 83 | 83 |
| Cost per rezultat | 0.304 | 0.726 |
| Cost total | $0.016 | $0.044 |
| Teste corecte | ||
| Rată de trecere pe încercare | 44.4% | 51.1% |
| Teste instabile | 3 | 3 |
| Tokenuri de ieșire | 7,756 | 3,571 |
| Tokenuri de raționament | 0 | 45,379 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 100 | 97 | 0.0% | 0 | 1,411 | 0 | |
| Inception: Mercury 2 | 73 | 98 | 66.7% | 0 | 2,531 | 2,410 |
| Combinat | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 80 | 100 | 0.0% | 0 | 2,887 | 0 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 268 | 4,887 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 54 | 58 | 66.7% | 1 | 1,710 | 0 | |
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 183 | 1,656 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 100 | 72 | 22.2% | 1 | 24 | 0 | |
| Inception: Mercury 2 | 100 | 72 | 11.1% | 1 | 41 | 30,754 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 80 | 100 | 50.0% | 0 | 66 | 0 | |
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 14 | 958 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 77 | 75 | 88.9% | 1 | 1,136 | 0 | |
| Inception: Mercury 2 | 17 | 75 | 22.2% | 1 | 354 | 2,758 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 100 | 100 | 100.0% | 0 | 522 | 0 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 180 | 1,956 |
Comparație rapidă
Schimbă perechea de comparație
Mercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneDeepSeek V3.2nonevsgpt-oss-120bmediumDisponibil gratuitMercury 2mediumvsQwen3.5-35B-A3BnoneGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMiniMax M2.5mediumMercury 2mediumvsGPT-5.4noneDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsQwen3.5-35B-A3BmediumTrinity Large Preview (free)noneDisponibil gratuitvsMercury 2mediumMercury 2mediumvsGPT-4o-mininone