AI BENCHY 对比
ByteDance Seed: Seed-2.0-Mini vs Inception: Mercury 2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04
| 指标 | Seed-2.0-Mini Seed-2.0-Mini medium | Mercury 2 Mercury 2 medium |
|---|---|---|
| 分数 | 6.9 | 6.6 |
| 排名 | #73 | #81 |
| 可靠性 | 6.7 | 10.0 |
| 一致性 | 9.3 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 57.1% | 54.0% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 0.397 | 0.578 |
| 总成本 | $0.044 | $0.058 |
| 输入价格 | $0.100 / 1M | $0.250 / 1M |
| 输出价格 | $0.400 / 1M | $0.750 / 1M |
| 总输入令牌 | 41,904 | 35,116 |
| 输出令牌 | 2,555 | 4,048 |
| 推理令牌 | 95,974 | 61,219 |
| 响应时间（平均） | 80.22s | 2.24s |
| 响应时间（最大） | 262.83s | 14.63s |
| 响应时间（总计） | 1363.72s | 44.72s |
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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 6.6 | 10.0 | 50.0% | 0 | 74.75s | 791 | 360 | 9,520 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 5.5 | 9.8 | 33.3% | 0 | 220.48s | 3,823 | 464 | 34,964 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 262.83s | 16,533 | 404 | 29,806 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 24.27s | 8,568 | 246 | 2,743 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 5.1 | 3.4 | 33.3% | 1 | 36.65s | 585 | 213 | 4,210 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 17.47s | 840 | 69 | 2,050 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 8.2 | 7.2 | 88.9% | 1 | 31.79s | 903 | 527 | 5,667 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 88.68s | 9,585 | 222 | 5,235 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 3.0 | 10.0 | 0.0% | 0 | 56.76s | 276 | 50 | 1,779 | |
| 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
Seed-2.0-MinimediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsSeed-2.0-MinimediumGemma 4 31Bnone免费可用vsMercury 2mediumSeed-2.0-MinimediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMercury 2mediumGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsQwen3.7 PlusnoneMercury 2mediumvsQwen3.6 Max PreviewnoneGemini 3.1 Flash LitenonevsMercury 2mediumMercury 2mediumvsGPT-5.5noneSeed-2.0-MinimediumvsGPT-5.3 Chatnone