AI BENCHY 对比
Google: Gemini 2.5 Flash vs Inception: Mercury 2
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-05
| 指标 | Google: Gemini 2.5 Flash none 发布日期: 2025-06-17 | Inception: Mercury 2 medium 发布日期: 2026-02-24 |
|---|---|---|
| 排名 | #37 | #35 |
| 平均分 | 5.2 | 5.4 |
| 测试正确 | ||
| 一致性 | 9.0 | 8.3 |
| 每个结果成本 | 0.185 | 0.622 |
| 总成本 | $0.012 | $0.044 |
| 尝试通过率 | 46.7% | 57.8% |
| 不稳定测试 | 2 | 3 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,192 | 3,571 |
| 推理令牌 | 0 | 45,379 |
| 响应时间（平均） | 944ms | 2.47s |
| 响应时间（最大） | 4.39s | 14.63s |
| 响应时间（总计） | 14.16s | 34.56s |
响应时间（平均）
分数 vs 总成本
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.0 | 10.0 | 0.0% | 0 | 668ms | 99 | 0 | |
| Inception: Mercury 2 | 7.3 | 9.8 | 66.7% | 0 | 1.30s | 2,531 | 2,410 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 0 | |
| Inception: 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.9 | 10.0 | 100.0% | 0 | 652ms | 279 | 0 | |
| Inception: Mercury 2 | 5.5 | 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.0 | 7.2 | 55.6% | 1 | 495ms | 12 | 0 | |
| Inception: Mercury 2 | 10.0 | 7.2 | 11.1% | 1 | 6.48s | 41 | 30,754 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.0 | 6.8 | 66.7% | 1 | 672ms | 70 | 0 | |
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 14 | 958 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.7 | 10.0 | 33.3% | 0 | 576ms | 132 | 0 | |
| Inception: Mercury 2 | 1.7 | 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.91s | 234 | 0 | |
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 180 | 1,956 |
快速对比
切换对比组合
Gemini 2.5 Flashnonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneGemini 2.5 FlashnonevsMiniMax M2.5mediumGemini 2.5 FlashnonevsGPT-5 NanomediumMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneGemini 2.5 FlashnonevsQwen3.5-35B-A3BmediumMercury 2mediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsGPT-5.4noneGemini 2.5 FlashnonevsGPT-5 Minimedium