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 (medium): Средний балл практически равен: 7.5 vs 7.6. Mercury 2 (medium) имеет более низкую стоимость benchmark: $0.058 vs $0.258. Mercury 2 (medium) быстрее: 2.24s vs 6.70s, с долей успешных попыток 54.0% vs 63.5%.

Рекомендуемая модель: Mercury 2 (medium) - Здесь у него лучший балл (7.5), при этом он примерно в 4.5 раза дешевле, чем GPT-5.6 Luna (medium).

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 medium Релиз: 2026-07-09
Оценка 7.5 7.6
Ранг #56 #54
Надежность 10.0 10.0
Стабильность 8.8 9.6
Тестов верно
Доля успешных попыток 54.0% 63.5%
Нестабильные тесты 3 1
Всего запусков 63 63
Стоимость за результат 0.578 1.978
Общая стоимость $0.058 $0.258
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 2,148
Токены рассуждений 61,219 34,740
Время ответа (среднее) 2.24s 6.70s
Время ответа (макс.) 14.63s 29.85s
Время ответа (суммарно) 44.72s 140.62s

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

#54 GPT-5.6 Luna

medium
Стоимость
$0.014
Время
14.6s
Токены
2,362 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 2.52s 606 160 987
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 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
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 9.53s 12,500 375 1,354
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 1.95s 7,140 234 324
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 5.3 10.0 33.3% 0 17.37s 723 68 16,531
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 5.1 10.0 0.0% 0 4.34s 477 112 496
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 2.38s 660 95 393
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 7.8 10.0 66.7% 0 4.04s 642 255 2,104
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 6.02s 5,454 256 244
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 6.64s 195 29 2,379

Быстрое сравнение

Сменить пару сравнения

Mercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsMercury 2mediumGPT-5.6 LunamediumvsStep 3.7 FlashlowMercury 2mediumvsGPT-5.6 LunahighMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumClaude Opus 4.8lowvsGPT-5.6 LunamediumMercury 2mediumvsGPT-5.6 TerralowGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumClaude Opus 4.8lowvsMercury 2mediumClaude Sonnet 4.6nonevsMercury 2medium