Claude Opus 4.8 vs Mercury 2.5 Preview (medium)

Средний балл практически равен: 6.9 vs 6.8. Mercury 2.5 Preview (medium) имеет более низкую стоимость benchmark: $0.037 vs $2.334. Mercury 2.5 Preview (medium) быстрее: 6.66s vs 7.54s, с долей успешных попыток 60.9% vs 66.7%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-01

Сравниваемые модели

Ранг: #167
Общее число выходных токенов: 24,343
Время ответа (среднее): 7.54s
Общая стоимость: $2.334

Ранг: #171
Общее число выходных токенов: 150,107
Время ответа (среднее): 6.66s
Общая стоимость: $0.037

Рекомендуемая модель Mercury 2.5 Preview (medium)

Здесь у него лучший балл (6.8), при этом он примерно в 63.8 раза дешевле, чем Claude Opus 4.8.

Подробное сравнение

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Mercury 2.5 Preview Mercury 2.5 Preview medium Релиз: 2026-09-02

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Mercury 2.5 Preview Mercury 2.5 Preview medium Релиз: 2026-09-02
Оценка	6.9	6.8
Ранг	#167	#171
Надежность	10.0	10.0
Стабильность	9.3	9.6
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	60.9%	66.7%
Нестабильные тесты	2	1
Всего запусков	69	69
Стоимость за результат	17.953	0.244
Общая стоимость	$2.334	$0.037
Цена входа	$5.000 / 1M	$0.000 / 1M
Цена выхода	$25.000 / 1M	$0.000 / 1M
Общее число входных токенов	345,059	397,291
Выходные токены	24,343	6,355
Токены рассуждений	0	143,752
Время ответа (среднее)	7.54s	6.66s
Время ответа (макс.)	65.07s	74.63s
Время ответа (суммарно)	173.31s	153.29s
Параметры	~5T всего (~500B активных)	~100B
Доступность	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#167 Claude Opus 4.8

none

Стоимость: $0.053
Время: 22.0s
Токены: 2,253 tok

#171 Mercury 2.5 Preview

medium

Стоимость: $0.001
Время: 2.7s
Токены: 2,241 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.0	10.0	0.0%	0		65.07s	195,856	7,546	0
Mercury 2.5 Preview	3.9	9.6	0.0%	0		74.63s	284,578	919	22,154

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.43s	781	203	7,921

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Mercury 2.5 Preview	7.8	10.0	66.7%	0		3.86s	7,839	552	22,126

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		26.38s	111,760	11,949	0
Mercury 2.5 Preview	6.5	10.0	50.0%	0		13.86s	92,663	3,607	41,588

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Mercury 2.5 Preview	10.0	10.0	100.0%	0		2.77s	8,292	514	11,354

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	7.2	44.4%	1		1.76s	972	61	0
Mercury 2.5 Preview	5.3	7.2	44.4%	1		3.72s	853	62	17,120

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
Mercury 2.5 Preview	5.0	10.0	0.0%	0		2.09s	538	99	3,375

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
Mercury 2.5 Preview	9.8	10.0	100.0%	0		1.35s	744	96	3,987

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
Mercury 2.5 Preview	10.0	10.0	100.0%	0		1.87s	771	274	7,323

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
Mercury 2.5 Preview	3.0	10.0	0.0%	0		2.37s	0	0	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
Mercury 2.5 Preview	3.0	10.0	0.0%	0		4.13s	232	29	6,804

Быстрое сравнение

Сменить пару сравнения

Mercury 2.5 PreviewmediumvsInklinglowБесплатно доступно Claude Opus 4.8nonevsGPT-5.6 Lunalow Claude Opus 4.8nonevsGemma 4 31BmediumБесплатно доступно Mercury 2.5 PreviewmediumvsGPT-6 Solnone Claude Opus 4.8nonevsEmber-1high Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Claude Opus 4.8nonevsQwen3.5-Flashmedium Claude Opus 4.8nonevsInklinglowБесплатно доступно Claude Sonnet 5.5lowvsMercury 2.5 Previewmedium Mercury 2.5 PreviewmediumvsGPT-5.6 Lunalow Ember-1highvsMercury 2.5 Previewmedium