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 Mini

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-16

Metrică Mercury 2 Mercury 2 none Lansare: 2026-02-24 GPT-5.4 Mini GPT-5.4 Mini none Lansare: 2026-03-17
Scor 4.8 5.1
Rang #89 #84
Consistență 9.0 8.6
Teste corecte
Rată de trecere pe încercare 27.8% 35.2%
Teste instabile 2 3
Rulări totale 54 54
Cost per rezultat 0.165 0.630
Cost total $0.007 $0.032
Preț de intrare $0.250 / 1M $0.750 / 1M
Preț de ieșire $0.750 / 1M $4.500 / 1M
Tokenuri de ieșire 1,625 2,418
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 613ms 1.17s
Timp de răspuns (maxim) 1.27s 2.52s
Timp de răspuns (total) 11.04s 21.01s

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 ieșire Tokenuri de raționament
Mercury 2 3.0 10.0 0.0% 0 483ms 286 0
GPT-5.4 Mini 3.1 8.1 8.3% 1 929ms 654 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.6 8.9 0.0% 0 969ms 310 0
GPT-5.4 Mini 10.0 10.0 100.0% 0 1.19s 333 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.0 10.0 0.0% 0 606ms 131 0
GPT-5.4 Mini 3.0 10.0 0.0% 0 2.52s 298 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 7.3 5.9 83.3% 1 667ms 180 0
GPT-5.4 Mini 10.0 10.0 100.0% 0 1.30s 222 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 5.3 7.2 44.4% 1 534ms 46 0
GPT-5.4 Mini 3.5 4.4 33.3% 2 937ms 88 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 4.8 10.0 0.0% 0 628ms 159 0
GPT-5.4 Mini 4.8 10.0 0.0% 0 1.82s 174 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 6.5 10.0 50.0% 0 551ms 82 0
GPT-5.4 Mini 6.3 10.0 50.0% 0 728ms 101 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.1 10.0 0.0% 0 533ms 234 0
GPT-5.4 Mini 5.4 10.0 33.3% 0 860ms 293 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.27s 197 0
GPT-5.4 Mini 3.0 10.0 0.0% 0 2.32s 255 0

Comparație rapidă

Schimbă perechea de comparație

Mercury 2nonevsQwen3 Coder NextmediumGPT-5.4 MininonevsElephantmediumMiniMax M2.7mediumvsGPT-5.4 MininoneMercury 2nonevsGLM 4.7 FlashmediumGPT-5.4 MininonevsQwen3 Coder NextmediumMercury 2nonevsQwen3.5-9BmediumMercury 2nonevsElephantmediumMercury 2nonevsMiniMax M2.7mediumMistral Small 4mediumvsGPT-5.4 MininoneGPT-5.4 MininonevsGLM 4.7 FlashmediumMiniMax M2.5mediumDisponibil gratuitvsGPT-5.4 MininoneGPT-5.4 MininonevsQwen3.5-9Bmedium