Google: Gemini 3.5 Flash vs Inception: Mercury 2

Gemini 3.5 Flash (high) 平均分领先，为 9.5 vs 7.0。 Mercury 2 (medium) benchmark 成本更低，为 $0.093 vs $1.976。 Mercury 2 (medium) 更快，为 2.72s vs 15.07s，通过率为 93.9% vs 51.5%。

推荐模型Gemini 3.5 Flash (high)它在本次比较中得分最高（9.5），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	Mercury 2 Mercury 2 medium 发布日期: 2026-02-24

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	Mercury 2 Mercury 2 medium 发布日期: 2026-02-24
分数	9.5	7.0
排名	#2	#77
可靠性	10.0	10.0
一致性	9.3	8.8
测试正确
尝试通过率	93.9%	51.5%
不稳定测试	2	3
总运行次数	66	66
每个结果成本	9.879	0.928
总成本	$1.976	$0.093
输入价格	$1.500 / 1M	$0.250 / 1M
输出价格	$9.000 / 1M	$0.750 / 1M
总输入令牌	107,137	109,572
输出令牌	8,777	10,313
推理令牌	192,900	76,806
响应时间（平均）	15.07s	2.72s
响应时间（最大）	145.92s	14.63s
响应时间（总计）	331.48s	57.12s

Hamster playing table tennis

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

#2 Gemini 3.5 Flash

high

成本: $0.208
时间: 118.2s
令牌: 23,158 tok

#77 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

类别:

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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.57s	492	174	4,997
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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		22.96s	8,118	456	47,129
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
Gemini 3.5 Flash	8.2	6.9	66.7%	1		84.14s	82,416	7,153	93,585
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474

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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		6.43s	7,548	279	8,466
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
Gemini 3.5 Flash	7.6	7.2	77.8%	1		14.09s	633	12	24,721
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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.63s	486	115	1,650
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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.35s	615	70	3,799
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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.23s	558	241	4,940
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
Gemini 3.5 Flash	9.8	10.0	100.0%	0		4.96s	6,115	265	1,608
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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.94s	156	12	2,005
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

Gemini 3.5 FlashnonevsMercury 2medium Gemini 3.5 FlashhighvsGPT-5.6 Sollow DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none Mercury 2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsMercury 2medium Gemini 3.5 FlashhighvsGPT-5.6 Solmedium Gemini 3.5 FlashhighvsGPT-5.5low Mercury 2mediumvsKAT-Coder-Pro V2.5high Gemini 3 Flash PreviewnonevsMercury 2medium