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: Mercury 2 conduce la scorul mediu cu 6.6 vs 6.4. Mercury 2 are costul de benchmark mai mic, $0.058 vs $0.231. GPT-5.5 este mai rapid cu 1.89s vs 2.24s, cu rate de reușită de 54.0% vs 54.0%.

Model recomandat: Mercury 2 - Are cel mai bun scor aici (6.6) și costă de aproximativ 4.0x mai puțin decât GPT-5.5.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 GPT-5.5 GPT-5.5 none Lansare: 2026-04-24
Scor 6.6 6.4
Rang #81 #91
Fiabilitate 10.0 10.0
Consistență 8.8 8.8
Teste corecte
Rată de trecere pe încercare 54.0% 54.0%
Teste instabile 3 3
Rulări totale 63 63
Cost per rezultat 0.578 2.302
Cost total $0.058 $0.231
Preț de intrare $0.250 / 1M $5.000 / 1M
Preț de ieșire $0.750 / 1M $30.000 / 1M
Total tokenuri de intrare 35,116 34,212
Tokenuri de ieșire 4,048 1,971
Tokenuri de raționament 61,219 0
Timp de răspuns (mediu) 2.24s 1.89s
Timp de răspuns (maxim) 14.63s 5.56s
Timp de răspuns (total) 44.72s 39.64s

Generation showcase

Hamster playing table tennis

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

#81 Mercury 2

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

#91 GPT-5.5

none
Cost
$0.090
Time
54.3s
Tokens
3,063 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 6.9 7.9 66.7% 1 1.31s 606 213 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-5.5 5.5 10.0 33.3% 0 1.35s 7,305 462 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-5.5 3.0 10.0 0.0% 0 5.56s 11,019 300 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-5.5 10.0 10.0 100.0% 0 1.18s 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-5.5 2.9 7.2 11.1% 1 1.31s 723 52 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-5.5 10.0 10.0 100.0% 0 3.41s 477 124 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-5.5 6.2 5.8 66.7% 1 1.15s 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-5.5 7.7 10.0 66.7% 0 1.29s 642 252 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-5.5 10.0 10.0 100.0% 0 3.90s 5,445 247 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-5.5 3.0 10.0 0.0% 0 5.01s 195 18 0

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.1 Flash LiteminimalvsGPT-5.5noneGemma 4 31BnoneDisponibil gratuitvsMercury 2mediumClaude Sonnet 4.6nonevsMercury 2mediumGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsQwen3.7 PlusnoneMercury 2mediumvsQwen3.6 Max PreviewnoneGemini 3.1 Flash LitenonevsMercury 2mediumGPT-5.5nonevsQwen3.6 27BmediumMercury 2mediumvsStep 3.7 FlashhighDeepSeek V4 ProhighvsGPT-5.5noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneClaude Opus 4.8nonevsMercury 2medium