AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Inception: Mercury 2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Mercury 2 Mercury 2 medium |
|---|---|---|
| 分数 | 7.4 | 6.5 |
| 排名 | #50 | #62 |
| 一致性 | 10.0 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 61.1% | 53.7% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 24 | 54 |
| 每个结果成本 | 1.385 | 0.580 |
| 总成本 | $0.153 | $0.047 |
| ???? | $1.740 / 1M | $0.250 / 1M |
| ???? | $3.480 / 1M | $0.750 / 1M |
| 输出令牌 | 584 | 3,972 |
| 推理令牌 | 37,708 | 48,333 |
| 响应时间（平均） | 78.45s | 2.21s |
| 响应时间（最大） | 351.99s | 14.63s |
| 响应时间（总计） | 1255.22s | 37.51s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 8.3 | 10.0 | 75.0% | 0 | 32.12s | 64 | 1,799 | |
| Mercury 2 | 6.9 | 9.9 | 50.0% | 0 | 1.12s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 93.00s | 82 | 2,808 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.53s | 249 | 2,213 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 71.08s | 134 | 2,163 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 63.00s | 67 | 1,071 | |
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 1.11s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 202.56s | 11 | 25,343 | |
| Mercury 2 | 2.9 | 7.2 | 11.1% | 1 | 6.48s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.0 | 10.0 | 0.0% | 0 | 26.96s | 51 | 734 | |
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 821ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 7.7 | 10.0 | 66.7% | 0 | 63.66s | 91 | 3,617 | |
| Mercury 2 | 3.9 | 7.5 | 22.2% | 1 | 934ms | 354 | 2,758 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 11.05s | 84 | 173 | |
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 180 | 1,956 |
快速对比
切换对比组合
Mercury 2mediumvsMiMo-V2-OmninoneDeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsDeepSeek V4 ProhighDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 ProhighvsGPT-5.2mediumDeepSeek V4 ProhighvsGPT-5.4 MinimediumSeed-2.0-MinimediumvsDeepSeek V4 ProhighMercury 2mediumvsGLM 5noneDeepSeek V4 PrononevsMercury 2mediumDeepSeek V4 ProhighvsGPT-5.4 NanomediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighMercury 2mediumvsQwen3.5 Plus 2026-02-15none