Mercury 2 (medium) vs GPT 5.3 Chat (default)

GPT 5.3 Chat (default) лидирует по среднему баллу: 6.7 vs 6.6. Mercury 2 (medium) имеет более низкую стоимость benchmark: $0.121 vs $0.533. Mercury 2 (medium) быстрее: 4.40s vs 6.31s, с долей успешных попыток 53.6% vs 62.3%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-15

Сравниваемые модели

Ранг: #212
Общее число выходных токенов: 96,943
Время ответа (среднее): 4.40s
Общая стоимость: $0.121

Ранг: #204
Общее число выходных токенов: 28,179
Время ответа (среднее): 6.31s
Общая стоимость: $0.533

Рекомендуемая модель Mercury 2 (medium)

Его балл близок к лучшему здесь (6.6 против 6.7), при этом он примерно в 4.4 раза дешевле, чем GPT 5.3 Chat (default).

Подробное сравнение

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	GPT 5.3 Chat GPT 5.3 Chat default Релиз: 2026-03-03

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	GPT 5.3 Chat GPT 5.3 Chat default Релиз: 2026-03-03
Оценка	6.6	6.7
Ранг	#212	#204
Надежность	10.0	10.0
Стабильность	8.1	8.6
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	53.6%	62.3%
Нестабильные тесты	5	4
Всего запусков	69	69
Стоимость за результат	1.201	4.097
Общая стоимость	$0.121	$0.533
Цена входа	$0.250 / 1M	$1.750 / 1M
Цена выхода	$0.750 / 1M	$14.000 / 1M
Цена чтения из кэша	$0.025 / 1M	Н/Д
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	189,300	78,846
Выходные токены	10,854	7,635
Токены рассуждений	86,089	20,544
Время ответа (среднее)	4.40s	6.31s
Время ответа (макс.)	34.92s	18.33s
Время ответа (суммарно)	96.81s	138.73s
Параметры	~100B	~400B всего (~17B активных)
Доступность	Закрытая модель	Закрытая модель

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#212 Mercury 2

medium

Стоимость: $0.002
Время: 2.1s
Токены: 1,702 tok

#204 GPT 5.3 Chat

default

Стоимость: $0.008
Время: 8.1s
Токены: 634 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
Mercury 2	4.7	1.6	66.7%	1		34.92s	78,785	529	8,860
GPT 5.3 Chat	3.0	10.0	0.0%	0		955ms	0	0	0

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
GPT 5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	671	2,496

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
GPT 5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	808	5,824

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
GPT 5.3 Chat	10.0	10.0	100.0%	0		15.07s	55,800	3,587	3,264

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
GPT 5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	494	448

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	2.9	4.4	22.2%	2		8.06s	1,638	53	31,177
GPT 5.3 Chat	2.9	7.2	11.1%	1		12.75s	579	213	5,376

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
GPT 5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	191	128

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
GPT 5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	339	1,152

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
GPT 5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	606	1,152

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
GPT 5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	605	256

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
GPT 5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	121	448

Сменить пару сравнения

Ember-1maxvsGPT 5.3 Chatdefault MiniMax M3mediumvsGPT 5.3 Chatdefault GPT 5.3 ChatdefaultvsGrok 4.7high Apodex 1.1 MinihighБесплатно доступноvsGPT 5.3 Chatdefault Mercury 2mediumvsStep 3.7 Flashhigh GPT 5.3 ChatdefaultvsSolar Pro 4low Mercury 2mediumvsLongCat 2.0low Mercury 2mediumvsKAT-Coder-Pro V2.5low GPT 5.3 ChatdefaultvsQwen3.5-Flashnone GPT 5.3 ChatdefaultvsGLM 5.3 Flashlow GPT 5.3 ChatdefaultvsGLM 5.2none GPT 5.3 ChatdefaultvsGrok Build 0.1medium