AI BENCHY Compare

Inception: Mercury 2 vs Qwen: Qwen3.5-122B-A10B

概要

Mercury 2 vs Qwen3.5-122B-A10B の benchmark 比較: Qwen3.5-122B-A10B が平均スコアでリードし、7.7 vs 7.5 です。 Mercury 2 の benchmark コストが低く、$0.058 vs $0.588 です。 Mercury 2 の方が高速で、2.24s vs 42.49s です、成功率は 54.0% vs 73.0% です。

おすすめモデル: Mercury 2 - スコアはここでの最高値に近く（7.5 vs 7.7）、Qwen3.5-122B-A10B より約 10.2 倍低コストです。

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: 2026-06-18

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium リリース: 2026-02-24

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium リリース: 2026-02-24
スコア	7.5	7.7
順位	#44	#36
信頼性	10.0	10.0
一貫性	8.8	8.8
正解テスト
試行ごとの合格率	54.0%	73.0%
不安定なテスト	3	3
総実行回数	63	63
結果あたりのコスト	0.578	5.235
合計コスト	$0.058	$0.588
入力価格	$0.250 / 1M	$0.260 / 1M
出力価格	$0.750 / 1M	$2.080 / 1M
合計入力トークン	35,116	41,832
出力トークン	4,048	26,187
推論トークン	61,219	251,028
応答時間（平均）	2.24s	42.49s
応答時間（最大）	14.63s	168.16s
応答時間（合計）	44.72s	892.30s

生成ショーケース

Hamster playing table tennis

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

#44 Mercury 2

medium

コスト: $0.002
時間: 2.1s
トークン: 1,702 tok

#36 Qwen3.5-122B-A10B

medium

コスト: $0.019
時間: 48.7s
トークン: 6,034 tok

スコア上位モデル

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
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.75s	672	269	16,835

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
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Qwen3.5-122B-A10B	6.0	7.2	55.6%	1		114.48s	7,630	8,057	82,578

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
Mercury 2	10.0	10.0	100.0%	0		3.28s	12,909	268	4,887
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		107.79s	14,947	483	11,337

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
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		23.41s	7,782	270	16,558

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
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Qwen3.5-122B-A10B	2.9	7.2	11.1%	1		63.40s	771	15,537	64,889

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
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Qwen3.5-122B-A10B	3.4	2.2	33.3%	1		34.11s	344	66	7,592

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
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.88s	593	77	7,372

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
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		17.89s	696	284	27,575

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
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		4.60s	8,193	322	1,226

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
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		52.87s	204	822	15,066

クイック比較

比較ペアを切り替え

Mercury 2mediumvsGPT-5.3 Chatnone Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsMercury 2medium DeepSeek V4 ProhighvsQwen3.5-122B-A10Bmedium Mercury 2mediumvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsMercury 2medium GPT-5.3 ChatnonevsQwen3.5-122B-A10Bmedium Claude Sonnet 4.6nonevsMercury 2medium Claude Opus 4.8nonevsMercury 2medium Gemini 3 Flash PreviewlowvsQwen3.5-122B-A10Bmedium DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsQwen3.7 Plusnone