导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Inception: Mercury 2

摘要

Claude Opus 4.8 (low) vs Mercury 2 (medium) benchmark 对比：Claude Opus 4.8 (low) 平均分领先，为 7.7 vs 7.5。 Mercury 2 (medium) benchmark 成本更低，为 $0.058 vs $1.270。 Mercury 2 (medium) 更快，为 2.24s vs 10.83s，通过率为 79.4% vs 54.0%。

推荐模型: Mercury 2 (medium) - 它的得分接近这里的最高分（7.5 vs 7.7），同时成本比Claude Opus 4.8 (low)低约 22.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28 Mercury 2 Mercury 2 medium 发布日期: 2026-02-24
分数 7.7 7.5
排名 #45 #56
可靠性 10.0 10.0
一致性 8.8 8.8
测试正确
尝试通过率 79.4% 54.0%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 8.466 0.578
总成本 $1.270 $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 60,946 35,116
输出令牌 31,771 4,048
推理令牌 6,831 61,219
响应时间（平均） 10.83s 2.24s
响应时间（最大） 127.97s 14.63s
响应时间（总计） 227.39s 44.72s

生成展示

Hamster playing table tennis

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

#45 Claude Opus 4.8

low
成本
$0.031
时间
14.1s
令牌
1,345 tok

#56 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 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
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 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
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 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
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 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
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 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
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 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
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 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
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 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
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 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
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 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6medium免费可用Claude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumMercury 2mediumvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsGPT-5.6 LunahighDeepSeek V4 ProhighvsMercury 2mediumClaude Opus 4.8lowvsGPT-5.6 TerramediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3medium