AI BENCHY Compare
Google: Gemini 3.5 Flash 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 | Gemini 3.5 Flash Gemini 3.5 Flash low | Mercury 2 Mercury 2 none |
|---|---|---|
| スコア | 9.3 | 4.6 |
| 順位 | #3 | #153 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 10.0 | 9.1 |
| 正解テスト | ||
| 試行ごとの合格率 | 90.0% | 25.0% |
| 不安定なテスト | 0 | 2 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 1.582 | 0.216 |
| 合計コスト | $0.285 | $0.009 |
| 入力価格 | $1.500 / 1M | $0.250 / 1M |
| 出力価格 | $9.000 / 1M | $0.750 / 1M |
| 合計入力トークン | 33,935 | 25,515 |
| 出力トークン | 2,027 | 3,001 |
| 推論トークン | 23,938 | 0 |
| 応答時間（平均） | 2.98s | 614ms |
| 応答時間（最大） | 6.44s | 1.27s |
| 応答時間（合計） | 59.59s | 12.28s |
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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.52s | 494 | 209 | 2,536 | |
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 483ms | 631 | 286 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 6.8 | 10.0 | 50.0% | 0 | 5.54s | 5,115 | 452 | 6,839 | |
| Mercury 2 | 3.5 | 9.4 | 0.0% | 0 | 831ms | 4,631 | 1,650 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.44s | 12,873 | 351 | 3,050 | |
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 606ms | 4,821 | 131 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.81s | 7,548 | 279 | 1,164 | |
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 667ms | 6,362 | 180 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.39s | 633 | 12 | 4,538 | |
| Mercury 2 | 5.3 | 7.2 | 44.4% | 1 | 534ms | 784 | 46 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.27s | 486 | 119 | 916 | |
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 628ms | 495 | 159 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 9.9 | 10.0 | 100.0% | 0 | 1.86s | 615 | 71 | 1,652 | |
| Mercury 2 | 6.5 | 10.0 | 50.0% | 0 | 551ms | 691 | 82 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.35s | 558 | 288 | 2,150 | |
| Mercury 2 | 3.1 | 10.0 | 0.0% | 0 | 535ms | 694 | 251 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.27s | 5,457 | 234 | 403 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 6,193 | 197 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.88s | 156 | 12 | 690 | |
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 548ms | 213 | 19 | 0 |
クイック比較
比較ペアを切り替え
Mercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumMercury 2nonevsQwen3.5-9BmediumClaude Opus 4.7mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsGPT-5.5mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowMercury 2nonevsElephant AlphamediumMercury 2nonevsMistral Small 4mediumMercury 2nonevsMiniMax M2.7mediumMercury 2nonevsMiniMax M2.5mediumGemini 3.5 FlashlowvsQwen3.6 Max Previewmedium