Google: Gemini 3.5 Flash vs Inception: Mercury 2

Mercury 2 (medium) 平均分领先，为 7.0 vs 6.8。 Mercury 2 (medium) benchmark 成本更低，为 $0.093 vs $0.300。 Gemini 3.5 Flash (minimal) 更快，为 2.65s vs 2.72s，通过率为 65.2% vs 51.5%。

推荐模型Mercury 2 (medium)它在这里得分最高（7.0），同时成本比Gemini 3.5 Flash (minimal)低约 3.2 倍。

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 minimal 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 minimal 发布日期: 2026-05-19	Mercury 2 Mercury 2 medium 发布日期: 2026-02-24
分数	6.8	7.0
排名	#87	#77
可靠性	10.0	10.0
一致性	9.6	8.8
测试正确
尝试通过率	65.2%	51.5%
不稳定测试	1	3
总运行次数	66	66
每个结果成本	2.138	0.928
总成本	$0.300	$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	100,753	109,572
输出令牌	16,454	10,313
推理令牌	0	76,806
响应时间（平均）	2.65s	2.72s
响应时间（最大）	25.26s	14.63s
响应时间（总计）	58.27s	57.12s

Hamster playing table tennis

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

#87 Gemini 3.5 Flash

minimal

成本: $0.041
时间: 20.4s
令牌: 4,608 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	6.5	10.0	50.0%	0		892ms	492	405	0
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	5.6	9.9	33.3%	0		2.75s	8,122	3,456	0
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	3.0	10.0	0.0%	0		14.41s	76,686	11,581	0
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		1.66s	7,548	279	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		899ms	633	12	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		922ms	486	117	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
Gemini 3.5 Flash	6.4	5.8	66.7%	1		893ms	615	76	0
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		1.45s	558	282	0
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	10.0	10.0	100.0%	0		2.79s	5,457	234	0
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	3.0	10.0	0.0%	0		1.76s	156	12	0
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