AI BENCHY 对比
Inception: Mercury 2 vs OpenAI: GPT-4o-mini
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-05
| 指标 | Inception: Mercury 2 medium 发布日期: 2026-02-24 | OpenAI: GPT-4o-mini none 发布日期: 2024-07-18 |
|---|---|---|
| 排名 | #35 | #46 |
| 平均分 | 5.4 | 4.1 |
| 测试正确 | ||
| 一致性 | 8.3 | 10.0 |
| 每个结果成本 | 0.622 | 0.111 |
| 总成本 | $0.044 | $0.005 |
| 尝试通过率 | 57.8% | 26.7% |
| 不稳定测试 | 3 | 0 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 3,571 | 1,528 |
| 推理令牌 | 45,379 | 0 |
| 响应时间（平均） | 2.47s | 2.21s |
| 响应时间（最大） | 14.63s | 7.58s |
| 响应时间（总计） | 34.56s | 17.69s |
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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 7.3 | 9.8 | 66.7% | 0 | 1.30s | 2,531 | 2,410 | |
| OpenAI: GPT-4o-mini | 4.0 | 10.0 | 33.3% | 0 | 1.83s | 180 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 268 | 4,887 | |
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 5.5 | 5.9 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| OpenAI: GPT-4o-mini | 9.9 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 7.2 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 14 | 958 | |
| OpenAI: GPT-4o-mini | 4.5 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 1.7 | 7.5 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| OpenAI: GPT-4o-mini | 2.3 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 180 | 1,956 | |
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 |
快速对比
切换对比组合
Gemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneMiniMax M2.5mediumvsGPT-4o-mininoneMercury 2mediumvsQwen3.5-35B-A3BnoneGPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumMercury 2mediumvsGPT-5.4noneMercury 2mediumvsQwen3.5 Plus 2026-02-15none