AI BENCHY Compare
DeepSeek: DeepSeek V3.2 vs Inception: Mercury 2
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-06-03
| 指標 | DeepSeek V3.2 DeepSeek V3.2 medium | Mercury 2 Mercury 2 medium |
|---|---|---|
| スコア | 6.8 | 6.5 |
| 順位 | #77 | #89 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 7.5 | 8.8 |
| 正解テスト | ||
| 試行ごとの合格率 | 63.3% | 51.7% |
| 不安定なテスト | 6 | 3 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 0.368 | 0.611 |
| 合計コスト | $0.033 | $0.055 |
| 入力価格 | $0.229 / 1M | $0.250 / 1M |
| 出力価格 | $0.344 / 1M | $0.750 / 1M |
| 合計入力トークン | 35,744 | 32,570 |
| 出力トークン | 7,177 | 4,022 |
| 推論トークン | 68,297 | 58,405 |
| 応答時間（平均） | 53.34s | 2.27s |
| 応答時間（最大） | 189.03s | 14.63s |
| 応答時間（合計） | 1066.71s | 43.20s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.2 | 7.9 | 83.3% | 1 | 24.23s | 448 | 3,247 | 6,953 | |
| Mercury 2 | 6.9 | 9.9 | 50.0% | 0 | 1.12s | 554 | 2,546 | 2,609 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.9 | 5.8 | 33.3% | 1 | 184.97s | 3,128 | 640 | 21,230 | |
| Mercury 2 | 7.2 | 6.5 | 66.7% | 1 | 2.29s | 4,519 | 270 | 8,514 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 93.11s | 14,283 | 571 | 6,296 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 12,909 | 268 | 4,887 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 7,388 | 207 | 7,693 | |
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 1.11s | 6,234 | 183 | 1,656 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 24.27s | 472 | 21 | 6,838 | |
| Mercury 2 | 2.9 | 7.2 | 11.1% | 1 | 6.48s | 695 | 41 | 30,754 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.4 | 2.5 | 33.3% | 1 | 58.29s | 314 | 49 | 2,189 | |
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 821ms | 456 | 137 | 542 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 627 | 1,397 | 2,845 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 340 | 14 | 958 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.0 | 7.2 | 55.6% | 1 | 37.69s | 594 | 518 | 6,375 | |
| Mercury 2 | 5.4 | 10.0 | 33.3% | 0 | 949ms | 601 | 361 | 2,781 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 8,307 | 507 | 859 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 6,080 | 180 | 1,956 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 183 | 20 | 7,019 | |
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 2.58s | 182 | 22 | 3,748 |
クイック比較
比較ペアを切り替え
Mercury 2mediumvsGPT-5.5noneGemini 3.1 Flash LitenonevsMercury 2mediumDeepSeek V3.2mediumvsGemma 4 31Bnone無料で利用可能Mercury 2mediumvsQwen3.7 PlusnoneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsRing-2.6-1TnoneGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2mediumvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsGLM 5noneDeepSeek V3.2mediumvsQwen3.7 PlusnoneGemma 4 31Bnone無料で利用可能vsMercury 2medium