Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Inception: Mercury 2 vs Qwen: Qwen3.5-9B

Resumen

Comparación benchmark de Mercury 2 vs Qwen3.5-9B: Mercury 2 lidera en puntuación media con 4.5 vs 4.2. Mercury 2 tiene menor coste de benchmark con $0.011 vs $0.036. Mercury 2 es más rápido con 653ms vs 82.24s, con tasas de acierto de 23.8% vs 27.0%.

Modelo recomendado: Mercury 2 - Tiene la mejor puntuación aquí (4.5) y cuesta aproximadamente 3.4x menos que Qwen3.5-9B.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-10

Métrica Mercury 2 Mercury 2 none Lanzamiento: 2026-02-24 Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02
Puntuación 4.5 4.2
Rango #156 #162
Fiabilidad 10.0 6.7
Consistencia 9.2 8.0
Pruebas correctas
Tasa de aciertos por intento 23.8% 27.0%
Pruebas inestables 2 5
Ejecuciones totales 63 63
Costo por resultado 0.259 1.187
Costo total $0.011 $0.036
Precio de entrada $0.250 / 1M $0.100 / 1M
Precio de salida $0.750 / 1M $0.150 / 1M
Total de tokens de entrada 28,113 17,070
Tokens de salida 4,439 29,045
Tokens de razonamiento 0 209,516
Tiempo de respuesta (promedio) 653ms 82.24s
Tiempo de respuesta (máximo) 1.43s 226.38s
Tiempo de respuesta (total) 13.72s 1315.88s

Generation showcase

Hamster playing table tennis

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

#156 Mercury 2

none
Cost
$0.002
Time
1.8s
Tokens
1,514 tok

#162 Qwen3.5-9B

medium
Cost
$0.001
Time
35.9s
Tokens
3,030 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 3.0 10.0 0.0% 0 483ms 631 286 0
Qwen3.5-9B 5.1 5.8 50.0% 2 34.44s 369 2,621 12,411
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
Qwen3.5-9B 2.9 10.0 0.0% 0 100.88s 2,396 7,890 41,129
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 3.0 10.0 0.0% 0 606ms 4,821 131 0
Qwen3.5-9B 3.0 10.0 0.0% 0 0ms 0 0 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 7.3 5.9 83.3% 1 667ms 6,362 180 0
Qwen3.5-9B 3.6 5.6 33.3% 1 87.31s 4,722 1,383 32,113
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 5.3 7.2 44.4% 1 534ms 784 46 0
Qwen3.5-9B 3.6 7.2 22.2% 1 137.75s 295 11,549 48,475
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 4.8 10.0 0.0% 0 628ms 495 159 0
Qwen3.5-9B 2.8 1.6 33.3% 1 226.38s 180 0 30,695
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 6.5 10.0 50.0% 0 551ms 691 82 0
Qwen3.5-9B 6.5 10.0 50.0% 0 5.75s 381 491 1,824
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 3.1 10.0 0.0% 0 535ms 694 251 0
Qwen3.5-9B 3.0 10.0 0.0% 0 32.27s 376 1,593 12,026
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 10.0 10.0 100.0% 0 1.27s 6,193 197 0
Qwen3.5-9B 10.0 10.0 100.0% 0 4.31s 8,283 444 1,149
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Mercury 2 3.0 10.0 0.0% 0 548ms 213 19 0
Qwen3.5-9B 3.0 10.0 0.0% 0 177.02s 68 3,074 29,694

Comparación rápida

Cambiar par de comparación

Ling-2.6-1TnonevsQwen3.5-9BmediumMercury 2nonevsQwen3 Coder NextmediumGranite 4.1 8BnonevsQwen3.5-9BmediumMercury 2nonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsMiMo-V2-FlashnoneTrinity Large PreviewnonevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3.5-9BmediumGPT-4o-mininonevsQwen3.5-9BmediumGPT-5.4 MininonevsQwen3.5-9BmediumQwen3.5-9BmediumvsMiMo-V2.5noneMistral Small 4nonevsQwen3.5-9BmediumMercury 2nonevsMistral Small 4medium