Навигация
AI BENCHY
Advertise here

AI BENCHY Compare

Inception: Mercury 2 vs OpenAI: GPT-5.6 Luna

Сводка

Сравнение benchmark Mercury 2 (medium) vs GPT-5.6 Luna (high): GPT-5.6 Luna (high) лидирует по среднему баллу: 7.7 vs 7.5. Mercury 2 (medium) имеет более низкую стоимость benchmark: $0.058 vs $0.924. Mercury 2 (medium) быстрее: 2.24s vs 18.39s, с долей успешных попыток 54.0% vs 71.4%.

Рекомендуемая модель: Mercury 2 (medium) - Его балл близок к лучшему здесь (7.5 против 7.7), при этом он примерно в 16.0 раза дешевле, чем GPT-5.6 Luna (high).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-09

Метрика Mercury 2 Mercury 2 medium Релиз: 2026-02-24 GPT-5.6 Luna GPT-5.6 Luna high Релиз: 2026-07-09
Оценка 7.5 7.7
Ранг #56 #50
Надежность 10.0 10.0
Стабильность 8.8 8.8
Тестов верно
Доля успешных попыток 54.0% 71.4%
Нестабильные тесты 3 3
Всего запусков 63 63
Стоимость за результат 0.578 6.594
Общая стоимость $0.058 $0.924
Цена входа $0.250 / 1M $1.000 / 1M
Цена выхода $0.750 / 1M $6.000 / 1M
Общее число входных токенов 35,116 35,699
Выходные токены 4,048 2,079
Токены рассуждений 61,219 145,816
Время ответа (среднее) 2.24s 18.39s
Время ответа (макс.) 14.63s 111.09s
Время ответа (суммарно) 44.72s 386.24s

Генерация showcase

Hamster playing table tennis

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

#56 Mercury 2

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

#50 GPT-5.6 Luna

high
Стоимость
$0.033
Время
34.2s
Токены
5,484 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

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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
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-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
Комбинированный 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 3.28s 12,909 268 4,887
GPT-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
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-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
GPT-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
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-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
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-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
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-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
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-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
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-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380

Быстрое сравнение

Сменить пару сравнения

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsGrok 4.3mediumMercury 2mediumvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumБесплатно доступноvsGPT-5.6 LunahighDeepSeek V4 ProhighvsMercury 2mediumGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 LunahighMiniMax M3mediumvsGPT-5.6 Lunahigh