AI BENCHY Compare
Google: Gemini 3.1 Pro Preview vs Inception: Mercury 2
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-05
| Metrică | Google: Gemini 3.1 Pro Preview medium Lansare: 2026-02-19 | Inception: Mercury 2 medium Lansare: 2026-02-24 |
|---|---|---|
| Rang | #2 | #35 |
| Scor mediu | 93 | 54 |
| Consistență | 100 | 83 |
| Cost per rezultat | 3.544 | 0.622 |
| Cost total | $0.497 | $0.044 |
| Teste corecte | ||
| Rată de trecere pe încercare | 93.3% | 57.8% |
| Teste instabile | 0 | 3 |
| Tokenuri de ieșire | 1,413 | 3,571 |
| Tokenuri de raționament | 34,477 | 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 106 | 2,533 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 90 | 100 | 100.0% | 0 | 432 | 9,281 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 99 | 100 | 100.0% | 0 | 279 | 3,904 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 70 | 100 | 66.7% | 0 | 18 | 12,424 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 72 | 2,236 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 14 | 958 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 232 | 3,117 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 100 | 100 | 100.0% | 0 | 274 | 982 | |
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 180 | 1,956 |
Comparație rapidă
Schimbă perechea de comparație
Gemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneMercury 2mediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsGPT-5.4noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneTrinity Large Preview (free)noneDisponibil gratuitvsMercury 2mediumMercury 2mediumvsGPT-4o-mininoneClaude Sonnet 4.6nonevsMercury 2medium