#76 Gemini 3.5 Flash
none- 成本
- $0.225
- 时间
- 125.5s
- 令牌
- 25,004 tok
Google: Gemini 3.5 Flash vs Inception: Mercury 2
平均分几乎持平，为 7.0 vs 7.0。 Mercury 2 (medium) benchmark 成本更低，为 $0.093 vs $1.079。 Mercury 2 (medium) 更快，为 2.72s vs 9.93s，通过率为 74.2% 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低约 11.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | Gemini 3.5 Flash Gemini 3.5 Flash none | Mercury 2 Mercury 2 medium |
|---|---|---|
| 分数 | 7.0 | 7.0 |
| 排名 | #76 | #75 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 74.2% | 51.5% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 7.190 | 0.928 |
| 总成本 | $1.079 | $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 | 13,843 | 109,572 |
| 输出令牌 | 117,518 | 10,313 |
| 推理令牌 | 0 | 76,806 |
| 响应时间（平均） | 9.93s | 2.72s |
| 响应时间（最大） | 64.36s | 14.63s |
| 响应时间（总计） | 178.68s | 57.12s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#75 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
| 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 | 2.53s | 492 | 5,101 | 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 | 8.8 | 7.8 | 88.9% | 1 | 34.69s | 8,122 | 75,927 | 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 | 0ms | 0 | 0 | 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 | 6.5 | 10.0 | 50.0% | 0 | 8.10s | 2,781 | 5,895 | 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 | 7.6 | 7.2 | 77.8% | 1 | 10.64s | 633 | 17,910 | 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 | 3.46s | 486 | 1,620 | 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 | 9.8 | 10.0 | 100.0% | 0 | 3.38s | 615 | 3,928 | 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 | 3.13s | 558 | 4,640 | 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | 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 | 2.8 | 1.6 | 33.3% | 1 | 4.87s | 156 | 2,497 | 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
Gemini 3.5 FlashnonevsKimi K2.5mediumSeed-2.0-MinimediumvsGemini 3.5 FlashnoneDeepSeek V3.2mediumvsGemini 3.5 FlashnoneGemini 3.5 FlashnonevsKAT-Coder-Pro V2.5mediumDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsGPT-5.6 SolnoneGemini 3.5 FlashnonevsMiMo-V2.5-PromediumGemini 3.5 FlashnonevsQwen3.6 FlashmediumGemini 3.5 FlashnonevsStep 3.7 FlashhighGemini 3.5 FlashnonevsGrok 4.20mediumMercury 2mediumvsStep 3.7 FlashhighMercury 2mediumvsGPT-5.5none