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 none Lansare: 2026-02-24 |
|---|---|---|
| Rang | #2 | #50 |
| Scor mediu | 91 | 31 |
| Consistență | 100 | 89 |
| Cost per rezultat | 3.817 | 0.196 |
| Cost total | $0.497 | $0.006 |
| Teste corecte | ||
| Rată de trecere pe încercare | 86.7% | 26.7% |
| Teste instabile | 0 | 2 |
| Tokenuri de ieșire | 1,413 | 1,144 |
| Tokenuri de raționament | 34,477 | 0 |
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 | 100 | 100 | 0.0% | 0 | 274 | 0 |
| 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 | 0.0% | 0 | 131 | 0 |
| 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 | 180 | 0 |
| 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 | 40 | 72 | 44.4% | 1 | 46 | 0 |
| 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 | 80 | 100 | 50.0% | 0 | 72 | 2,236 | |
| Inception: Mercury 2 | 35 | 100 | 0.0% | 0 | 82 | 0 |
| 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 | 100 | 100 | 0.0% | 0 | 234 | 0 |
| 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 | 197 | 0 |
Comparație rapidă
Schimbă perechea de comparație
Mercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumGemini 3.1 Pro PreviewmediumvsGPT-5.2 ChatnoneMercury 2nonevsMiniMax M2.5mediumGemini 3.1 Pro PreviewmediumvsGPT-5.3 ChatnoneMercury 2nonevsgpt-oss-120bmediumDisponibil gratuitMercury 2nonevsGPT-5 NanomediumClaude Sonnet 4.6nonevsGemini 3.1 Pro PreviewmediumMercury 2nonevsQwen3.5-35B-A3BmediumGemini 3.1 Pro PreviewmediumvsQwen3.5 Plus 2026-02-15noneMercury 2nonevsGPT-5 MinimediumClaude Opus 4.6mediumvsMercury 2none