AI BENCHY 对比
Inception: Mercury 2 vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-11
| 指标 | Mercury 2 Mercury 2 medium | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 6.5 | 5.2 |
| 排名 | #51 | #79 |
| 一致性 | 8.6 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 53.7% | 38.9% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.580 | 0.221 |
| 总成本 | $0.047 | $0.009 |
| ???? | $0.250 / 1M | $0.039 / 1M |
| ???? | $0.750 / 1M | $0.190 / 1M |
| 输出令牌 | 3,972 | 44,652 |
| 推理令牌 | 48,333 | 0 |
| 响应时间（平均） | 2.21s | 11.96s |
| 响应时间（最大） | 14.63s | 68.97s |
| 响应时间（总计） | 37.51s | 179.34s |
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-oss-120b | 6.6 | 8.0 | 58.3% | 1 | 6.03s | 4,867 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.53s | 249 | 2,213 | |
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 268 | 4,887 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 7.3 | 5.9 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 2.9 | 7.2 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 4.8 | 10.0 | 0.0% | 0 | 821ms | 137 | 542 | |
| gpt-oss-120b | 4.6 | 10.0 | 0.0% | 0 | 2.83s | 586 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 14 | 958 | |
| gpt-oss-120b | 8.4 | 6.9 | 83.3% | 1 | 5.10s | 1,982 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.9 | 7.5 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| gpt-oss-120b | 4.5 | 4.8 | 44.5% | 2 | 6.86s | 3,904 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 180 | 1,956 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Mercury 2mediumvsMiMo-V2-OmninoneMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Mercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsGLM 5V TurbononeMercury 2mediumvsQwen3.5-FlashnoneGemma 4 26B A4Bnone免费可用vsMercury 2mediumSeed-2.0-LitenonevsMercury 2mediumGemini 2.5 FlashnonevsMercury 2mediumMercury 2mediumvsQwen3.5-35B-A3BnoneDeepSeek V3.2nonevsMercury 2mediumGemma 4 31Bnone免费可用vsMercury 2medium