导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs Inception: Mercury 2

摘要

Claude Opus 4.6 vs Mercury 2 benchmark 对比：Claude Opus 4.6 平均分领先，为 7.7 vs 7.5。 Mercury 2 benchmark 成本更低，为 $0.058 vs $2.053。 Mercury 2 更快，为 2.24s vs 25.89s，通过率为 61.9% vs 54.0%。

推荐模型: Mercury 2 - 它的得分接近这里的最高分（7.5 vs 7.7），同时成本比Claude Opus 4.6低约 35.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 Mercury 2 Mercury 2 medium 发布日期: 2026-02-24
分数 7.7 7.5
排名 #38 #44
可靠性 10.0 10.0
一致性 8.8 8.8
测试正确
尝试通过率 61.9% 54.0%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 17.103 0.578
总成本 $2.053 $0.058
输入价格 $5.000 / 1M $0.250 / 1M
输出价格 $25.000 / 1M $0.750 / 1M
总输入令牌 53,227 35,116
输出令牌 47,446 4,048
推理令牌 24,000 61,219
响应时间（平均） 25.89s 2.24s
响应时间（最大） 83.40s 14.63s
响应时间（总计） 362.49s 44.72s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#44 Mercury 2

medium
成本
$0.002
时间
2.1s
令牌
1,702 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Mercury 2 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Mercury 2 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Mercury 2 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Mercury 2 2.9 7.2 11.1% 1 6.48s 695 41 30,754
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Mercury 2 4.8 10.0 0.0% 0 821ms 456 137 542
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Mercury 2 10.0 10.0 100.0% 0 1.07s 340 14 958
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Mercury 2 5.4 10.0 33.3% 0 949ms 601 361 2,781
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Mercury 2 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Mercury 2 3.0 10.0 0.0% 0 2.58s 182 22 3,748

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowMercury 2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsMercury 2mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsMercury 2mediumClaude Opus 4.8nonevsMercury 2mediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsQwen3.7 Plusnone