Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Inception: Mercury 2 vs OpenAI: GPT-5.3 Chat

Rezumat

Comparație benchmark Mercury 2 vs GPT-5.3 Chat: Scorul mediu este practic egal la 7.5 vs 7.5. Mercury 2 are costul de benchmark mai mic, $0.058 vs $0.433. Mercury 2 este mai rapid cu 2.24s vs 6.34s, cu rate de reușită de 54.0% vs 66.7%.

Model recomandat: Mercury 2 - Are cel mai bun scor aici (7.5) și costă de aproximativ 7.5x mai puțin decât GPT-5.3 Chat.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-12

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 GPT-5.3 Chat GPT-5.3 Chat none Lansare: 2026-03-03
Scor 7.5 7.5
Rang #46 #47
Fiabilitate 10.0 10.0
Consistență 8.8 8.1
Teste corecte
Rată de trecere pe încercare 54.0% 66.7%
Teste instabile 3 5
Rulări totale 63 63
Cost per rezultat 0.578 3.605
Cost total $0.058 $0.433
Preț de intrare $0.250 / 1M $1.750 / 1M
Preț de ieșire $0.750 / 1M $14.000 / 1M
Total tokenuri de intrare 35,116 34,209
Tokenuri de ieșire 4,048 26,617
Tokenuri de raționament 61,219 0
Timp de răspuns (mediu) 2.24s 6.34s
Timp de răspuns (maxim) 14.63s 18.33s
Timp de răspuns (total) 44.72s 133.13s

Generation showcase

Hamster playing table tennis

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

#46 Mercury 2

medium
Cost
$0.002
Time
2.1s
Tokens
1,702 tok

#47 GPT-5.3 Chat

none
Cost
$0.008
Time
8.1s
Tokens
634 tok

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
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
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
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
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
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
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
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
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
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
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
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
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
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
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
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
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
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
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
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0

Comparație rapidă

Schimbă perechea de comparație

Kimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok Build 0.1mediumSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3 ChatnoneMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5.3 ChatnonevsStep 3.7 Flashlow