AI BENCHY Compare

Inception: Mercury 2 vs Elephant Alpha

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Elephant Alpha Elephant Alpha none Релиз: 2026-04-14

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Elephant Alpha Elephant Alpha none Релиз: 2026-04-14
Оценка	6.5	5.2
Ранг	#92	#136
Надежность	10.0	Н/Д
Стабильность	8.8	9.6
Тестов верно
Доля успешных попыток	51.7%	29.8%
Нестабильные тесты	3	1
Всего запусков	60	60
Стоимость за результат	0.611	0.000
Общая стоимость	$0.055	$0.000
Цена входа	$0.250 / 1M	$0.000 / 1M
Цена выхода	$0.750 / 1M	$0.000 / 1M
Выходные токены	4,022	2,573
Токены рассуждений	58,405	0
Время ответа (среднее)	2.27s	1.22s
Время ответа (макс.)	14.63s	3.81s
Время ответа (суммарно)	43.20s	22.03s

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)	Выходные токены	Токены рассуждений
Mercury 2	6.9	9.9	50.0%	0		1.12s	2,546	2,609
Elephant Alpha	6.6	10.0	50.0%	0		963ms	610	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	7.2	6.5	66.7%	1		2.29s	270	8,514
Elephant Alpha	4.7	6.7	33.3%	1		1.39s	375	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		3.28s	268	4,887
Elephant Alpha	3.0	10.0	0.0%	0		3.81s	731	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	7.3	5.9	83.3%	1		1.11s	183	1,656
Elephant Alpha	6.5	10.0	50.0%	0		1.04s	246	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	2.9	7.2	11.1%	1		6.48s	41	30,754
Elephant Alpha	3.0	10.0	0.0%	0		927ms	24	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	4.8	10.0	0.0%	0		821ms	137	542
Elephant Alpha	4.0	10.0	0.0%	0		854ms	106	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.07s	14	958
Elephant Alpha	9.8	10.0	100.0%	0		1.03s	81	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	5.4	10.0	33.3%	0		949ms	361	2,781
Elephant Alpha	4.2	10.0	0.0%	0		807ms	170	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.89s	180	1,956
Elephant Alpha	3.0	10.0	0.0%	0		2.79s	230	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Mercury 2	3.0	10.0	0.0%	0		2.58s	22	3,748
Elephant Alpha	0.0	0.0	0.0%	0		0ms	0	0

Быстрое сравнение

Сменить пару сравнения

Mercury 2mediumvsGPT-5.5none Gemini 3.1 Flash LitenonevsMercury 2medium Mercury 2mediumvsQwen3.5 Plus 2026-02-15none Gemini 2.5 FlashnonevsMercury 2medium MiniMax M2.7mediumvsElephant Alphanone Mistral Small 4mediumvsElephant Alphanone Gemini 3.1 Flash LiteminimalvsMercury 2medium Mercury 2mediumvsGLM 5none Gemma 4 31BnoneБесплатно доступноvsMercury 2medium MiniMax M2.5mediumБесплатно доступноvsElephant Alphanone DeepSeek V3.2nonevsMercury 2medium DeepSeek V4 PrononevsMercury 2medium