#75 Mercury 2
medium- 成本
- $0.002
- 时间
- 2.1s
- 令牌
- 1,702 tok
Inception: Mercury 2 vs OpenAI: GPT-5.6 Sol
Mercury 2 (medium) 平均分领先，为 7.0 vs 6.9。 Mercury 2 (medium) benchmark 成本更低，为 $0.093 vs $0.524。 GPT-5.6 Sol 更快，为 2.16s vs 2.72s，通过率为 51.5% vs 59.1%。
推荐模型Mercury 2 (medium)它在这里得分最高（7.0），同时成本比GPT-5.6 Sol低约 5.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | Mercury 2 Mercury 2 medium | GPT-5.6 Sol GPT-5.6 Sol none |
|---|---|---|
| 分数 | 7.0 | 6.9 |
| 排名 | #75 | #80 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.8 | 9.0 |
| 测试正确 | ||
| 尝试通过率 | 51.5% | 59.1% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.928 | 4.761 |
| 总成本 | $0.093 | $0.524 |
| 输入价格 | $0.250 / 1M | $5.000 / 1M |
| 输出价格 | $0.750 / 1M | $30.000 / 1M |
| 总输入令牌 | 109,572 | 78,593 |
| 输出令牌 | 10,313 | 4,357 |
| 推理令牌 | 76,806 | 0 |
| 响应时间（平均） | 2.72s | 2.16s |
| 响应时间（最大） | 14.63s | 12.81s |
| 响应时间（总计） | 57.12s | 47.62s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#80 GPT-5.6 Sol
none- 成本
- $0.116
- 时间
- 78.7s
- 令牌
- 3,944 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 6.9 | 9.9 | 50.0% | 0 | 1.12s | 554 | 2,546 | 2,609 | |
| GPT-5.6 Sol | 8.3 | 10.0 | 75.0% | 0 | 1.27s | 606 | 154 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 8.2 | 7.7 | 77.8% | 1 | 2.04s | 7,065 | 296 | 11,328 | |
| GPT-5.6 Sol | 5.5 | 10.0 | 33.3% | 0 | 1.39s | 7,302 | 390 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 6.7 | 9.1 | 50.0% | 0 | 7.84s | 87,365 | 6,533 | 20,474 | |
| GPT-5.6 Sol | 6.5 | 10.0 | 50.0% | 0 | 8.37s | 55,394 | 2,881 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 1.11s | 6,234 | 183 | 1,656 | |
| GPT-5.6 Sol | 10.0 | 10.0 | 100.0% | 0 | 1.53s | 7,140 | 222 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 2.9 | 7.2 | 11.1% | 1 | 6.48s | 695 | 41 | 30,754 | |
| GPT-5.6 Sol | 3.6 | 7.2 | 22.2% | 1 | 1.43s | 723 | 54 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 821ms | 456 | 137 | 542 | |
| GPT-5.6 Sol | 6.5 | 3.4 | 66.7% | 1 | 1.52s | 477 | 91 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 340 | 14 | 958 | |
| GPT-5.6 Sol | 8.5 | 6.8 | 83.3% | 1 | 1.33s | 660 | 84 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 5.4 | 10.0 | 33.3% | 0 | 949ms | 601 | 361 | 2,781 | |
| GPT-5.6 Sol | 7.7 | 10.0 | 66.7% | 0 | 1.49s | 642 | 211 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 6,080 | 180 | 1,956 | |
| GPT-5.6 Sol | 10.0 | 10.0 | 100.0% | 0 | 3.70s | 5,454 | 246 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 2.58s | 182 | 22 | 3,748 | |
| GPT-5.6 Sol | 3.0 | 10.0 | 0.0% | 0 | 1.95s | 195 | 24 | 0 |
快速对比
切换对比组合
Gemini 3.5 FlashnonevsMercury 2mediumGPT-5.6 SolnonevsMiMo-V2.5-PromediumGPT-5.6 SolnonevsQwen3.6 FlashmediumKAT-Coder-Pro V2.5mediumvsGPT-5.6 SolnoneGPT-5.6 SolnonevsStep 3.7 FlashhighSeed-2.0-MinimediumvsGPT-5.6 SolnoneGemini 3.5 FlashminimalvsGPT-5.6 SolnoneDeepSeek V4 PrononevsMercury 2mediumKimi K2.5mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGPT-5.6 SolnoneMercury 2mediumvsStep 3.7 FlashhighMercury 2mediumvsGPT-5.5none