Inception: Mercury 2 vs Qwen: Qwen3.7 Plus

Qwen3.7 Plus が平均スコアでリードし、7.2 vs 7.0 です。 Mercury 2 (medium) の benchmark コストが低く、$0.093 vs $0.106 です。 Mercury 2 (medium) の方が高速で、2.72s vs 12.09s です、成功率は 51.5% vs 50.0% です。

おすすめモデルMercury 2 (medium)スコアはここでの最高値に近く（7.0 vs 7.2）、Qwen3.7 Plus より約 4.4 倍速く応答します。

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: 2026-07-18

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	Qwen3.7 Plus Qwen3.7 Plus none リリース: 2026-06-03

指標	Mercury 2 Mercury 2 medium リリース: 2026-02-24	Qwen3.7 Plus Qwen3.7 Plus none リリース: 2026-06-03
スコア	7.0	7.2
順位	#77	#70
信頼性	10.0	10.0
一貫性	8.8	10.0
正解テスト
試行ごとの合格率	51.5%	50.0%
不安定なテスト	3	0
総実行回数	66	66
結果あたりのコスト	0.928	1.014
合計コスト	$0.093	$0.106
入力価格	$0.250 / 1M	$0.320 / 1M
出力価格	$0.750 / 1M	$1.280 / 1M
合計入力トークン	109,572	98,824
出力トークン	10,313	58,097
推論トークン	76,806	0
応答時間（平均）	2.72s	12.09s
応答時間（最大）	14.63s	206.03s
応答時間（合計）	57.12s	265.89s

Hamster playing table tennis

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

#77 Mercury 2

medium

コスト: $0.002
時間: 2.1s
トークン: 1,702 tok

#70 Qwen3.7 Plus

none

コスト: $0.019
時間: 213.5s
トークン: 11,960 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

カテゴリ:

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
Qwen3.7 Plus	6.5	10.0	50.0%	0		1.38s	696	349	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
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Qwen3.7 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	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
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Qwen3.7 Plus	10.0	10.0	100.0%	0		117.70s	71,266	56,024	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
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	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
Mercury 2	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Qwen3.7 Plus	3.0	10.0	0.0%	0		868ms	789	18	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
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Qwen3.7 Plus	5.3	10.0	0.0%	0		1.33s	522	78	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
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Qwen3.7 Plus	6.3	10.0	50.0%	0		929ms	711	72	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
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Qwen3.7 Plus	7.7	10.0	66.7%	0		1.71s	714	443	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
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Qwen3.7 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	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
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Qwen3.7 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0

クイック比較

比較ペアを切り替え

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGrok 4.3medium Qwen3.7 PlusnonevsGLM 5.1medium Qwen3.7 PlusnonevsGrok 4.20medium KAT-Coder-Pro V2.5highvsQwen3.7 Plusnone Kimi K2.6mediumvsQwen3.7 Plusnone DeepSeek V4 PrononevsMercury 2medium Qwen3.7 PlusnonevsStep 3.7 Flashlow Mercury 2mediumvsGPT-5.6 Solnone Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none Gemini 3.1 Flash LitemediumvsQwen3.7 Plusnone