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-5.4

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-03

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 GPT-5.4 GPT-5.4 none Lansare: 2026-03-05
Scor 6.5 5.6
Rang #89 #121
Fiabilitate 10.0 10.0
Consistență 8.8 9.1
Teste corecte
Rată de trecere pe încercare 51.7% 38.3%
Teste instabile 3 2
Rulări totale 60 60
Cost per rezultat 0.611 1.644
Cost total $0.055 $0.116
Preț de intrare $0.250 / 1M $2.500 / 1M
Preț de ieșire $0.750 / 1M $15.000 / 1M
Total tokenuri de intrare 32,570 31,593
Tokenuri de ieșire 4,022 2,402
Tokenuri de raționament 58,405 0
Timp de răspuns (mediu) 2.27s 1.45s
Timp de răspuns (maxim) 14.63s 2.95s
Timp de răspuns (total) 43.20s 29.00s

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-5.4 3.2 8.0 8.3% 1 1.21s 606 406 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 7.2 6.5 66.7% 1 2.29s 4,519 270 8,514
GPT-5.4 6.8 10.0 50.0% 0 1.99s 4,686 501 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-5.4 3.0 10.0 0.0% 0 2.89s 11,019 291 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-5.4 10.0 10.0 100.0% 0 1.04s 7,140 222 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-5.4 5.3 7.2 44.4% 1 1.07s 723 50 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-5.4 4.4 9.9 0.0% 0 1.78s 477 184 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-5.4 6.5 10.0 50.0% 0 1.07s 660 81 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-5.4 5.6 9.8 33.3% 0 1.44s 642 381 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-5.4 10.0 10.0 100.0% 0 2.75s 5,445 246 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-5.4 3.0 10.0 0.0% 0 990ms 195 40 0

Comparație rapidă

Schimbă perechea de comparație