Google: Gemini 3 Flash Preview vs Inception: Mercury 2

Gemini 3 Flash Preview (medium) 平均分领先，为 9.6 vs 7.0。 Mercury 2 (medium) benchmark 成本更低，为 $0.093 vs $0.742。 Mercury 2 (medium) 更快，为 2.72s vs 19.20s，通过率为 98.5% vs 51.5%。

推荐模型Gemini 3 Flash Preview (medium)它在本次比较中得分最高（9.6），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 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17	Mercury 2 Mercury 2 medium 发布日期: 2026-02-24

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17	Mercury 2 Mercury 2 medium 发布日期: 2026-02-24
分数	9.6	7.0
排名	#1	#77
可靠性	10.0	10.0
一致性	9.7	8.8
测试正确
尝试通过率	98.5%	51.5%
不稳定测试	1	3
总运行次数	66	66
每个结果成本	3.533	0.928
总成本	$0.742	$0.093
输入价格	$0.500 / 1M	$0.250 / 1M
输出价格	$3.000 / 1M	$0.750 / 1M
总输入令牌	87,861	109,572
输出令牌	5,486	10,313
推理令牌	227,164	76,806
响应时间（平均）	19.20s	2.72s
响应时间（最大）	117.26s	14.63s
响应时间（总计）	422.42s	57.12s

Hamster playing table tennis

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

#1 Gemini 3 Flash Preview

medium

成本: $0.010
时间: 18.4s
令牌: 3,351 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 Flash Preview	10.0	10.0	100.0%	0		3.88s	494	330	3,216
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 Flash Preview	8.6	7.6	88.9%	1		84.40s	8,122	462	161,084
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 Flash Preview	10.0	10.0	100.0%	0		26.75s	63,717	3,831	23,496
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 Flash Preview	10.0	10.0	100.0%	0		5.43s	7,548	279	4,893
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 Flash Preview	10.0	10.0	100.0%	0		15.27s	633	12	21,684
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 Flash Preview	10.0	10.0	100.0%	0		5.19s	486	72	1,905
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 Flash Preview	10.0	10.0	100.0%	0		4.04s	615	72	2,709
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 Flash Preview	10.0	10.0	100.0%	0		4.05s	558	183	4,365
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 Flash Preview	10.0	10.0	100.0%	0		12.60s	5,532	234	1,487
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 Flash Preview	10.0	10.0	100.0%	0		5.50s	156	11	2,325
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 Flash PreviewmediumvsGPT-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 Mercury 2mediumvsKAT-Coder-Pro V2.5high Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewnonevsMercury 2medium Mercury 2mediumvsStep 3.7 Flashlow