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-5.5

Rezumat

Comparație benchmark Mercury 2 vs GPT-5.5: GPT-5.5 conduce la scorul mediu cu 9.3 vs 7.5. Mercury 2 are costul de benchmark mai mic, $0.058 vs $0.907. Mercury 2 este mai rapid cu 2.24s vs 9.76s, cu rate de reușită de 54.0% vs 85.7%.

Model recomandat: GPT-5.5 - Are cel mai puternic scor din această comparație (9.3) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 GPT-5.5 GPT-5.5 low Lansare: 2026-04-24
Scor 7.5 9.3
Rang #44 #4
Fiabilitate 10.0 10.0
Consistență 8.8 10.0
Teste corecte
Rată de trecere pe încercare 54.0% 85.7%
Teste instabile 3 0
Rulări totale 63 63
Cost per rezultat 0.578 5.035
Cost total $0.058 $0.907
Preț de intrare $0.250 / 1M $5.000 / 1M
Preț de ieșire $0.750 / 1M $30.000 / 1M
Total tokenuri de intrare 35,116 34,209
Tokenuri de ieșire 4,048 2,046
Tokenuri de raționament 61,219 22,460
Timp de răspuns (mediu) 2.24s 9.76s
Timp de răspuns (maxim) 14.63s 56.19s
Timp de răspuns (total) 44.72s 204.92s

Prezentare generare

Hamster playing table tennis

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

#44 Mercury 2

medium
Cost
$0.002
Timp
2.1s
Tokenuri
1,702 tok

#4 GPT-5.5

low
Cost
$0.068
Timp
37.0s
Tokenuri
2,339 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840

Comparație rapidă

Schimbă perechea de comparație

Mercury 2mediumvsGPT-5.3 ChatnoneGPT-5.5lowvsQwen3.7 MaxmediumDeepSeek V4 ProhighvsMercury 2mediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGemini 3.5 FlashmediumvsGPT-5.5lowClaude Sonnet 4.6nonevsMercury 2mediumGemini 3 Flash PreviewmediumvsGPT-5.5lowClaude Opus 4.8nonevsMercury 2mediumDeepSeek V4 PrononevsMercury 2medium