AI BENCHY 对比
Inception: Mercury 2 vs OpenAI: GPT-5 Nano
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-04
| 指标 | Mercury 2 Mercury 2 medium | GPT-5 Nano GPT-5 Nano medium |
|---|---|---|
| 分数 | 6.3 | 6.2 |
| 排名 | #52 | #54 |
| 一致性 | 8.5 | 6.7 |
| 测试正确 | ||
| 尝试通过率 | 51.0% | 58.8% |
| 不稳定测试 | 3 | 7 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 0.634 | 0.864 |
| 总成本 | $0.045 | $0.061 |
| ???? | $0.250 / 1M | $0.050 / 1M |
| ???? | $0.750 / 1M | $0.400 / 1M |
| 输出令牌 | 3,723 | 4,500 |
| 推理令牌 | 46,120 | 143,296 |
| 响应时间（平均） | 2.25s | 44.47s |
| 响应时间（最大） | 14.63s | 204.02s |
| 响应时间（总计） | 35.99s | 444.74s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 6.9 | 9.9 | 50.0% | 0 | 1.12s | 2,546 | 2,609 | |
| GPT-5 Nano | 6.5 | 7.9 | 58.3% | 1 | 25.50s | 1,221 | 21,184 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 268 | 4,887 | |
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 65.96s | 578 | 17,984 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| GPT-5 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 453 | 10,560 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 2.9 | 7.2 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| GPT-5 Nano | 5.2 | 4.4 | 55.6% | 2 | 204.02s | 237 | 64,448 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 821ms | 137 | 542 | |
| GPT-5 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 202 | 4,608 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 14 | 958 | |
| GPT-5 Nano | 8.5 | 6.8 | 83.3% | 1 | 11.90s | 382 | 4,096 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.9 | 7.5 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| GPT-5 Nano | 5.3 | 7.2 | 44.4% | 1 | 19.81s | 869 | 13,440 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 180 | 1,956 | |
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 558 | 6,976 |
快速对比
切换对比组合
Gemma 4 26B A4BnonevsGPT-5 NanomediumGemma 4 26B A4BnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumDeepSeek V3.2nonevsGPT-5 NanomediumMercury 2mediumvsMiMo-V2-OmninoneGPT-5 NanomediumvsMiMo-V2-OmninoneGPT-5 NanomediumvsQwen3.5-FlashnoneGPT-5 NanomediumvsGLM 5V TurbononeSeed-2.0-LitenonevsGPT-5 NanomediumMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsGLM 5V TurbononeSeed-2.0-LitenonevsMercury 2medium