导航
AI BENCHY
Advertise here

AI BENCHY 对比

Inception: Mercury 2 vs Qwen: Qwen3.5-122B-A10B

摘要

Mercury 2 vs Qwen3.5-122B-A10B benchmark 对比：Qwen3.5-122B-A10B 平均分领先，为 7.7 vs 7.5。 Mercury 2 benchmark 成本更低，为 $0.058 vs $0.588。 Mercury 2 更快，为 2.24s vs 42.49s，通过率为 54.0% vs 73.0%。

推荐模型: Mercury 2 - 它的得分接近这里的最高分（7.5 vs 7.7），同时成本比Qwen3.5-122B-A10B低约 10.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Mercury 2 Mercury 2 medium 发布日期: 2026-02-24 Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24
分数 7.5 7.7
排名 #44 #36
可靠性 10.0 10.0
一致性 8.8 8.8
测试正确
尝试通过率 54.0% 73.0%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 0.578 5.235
总成本 $0.058 $0.588
输入价格 $0.250 / 1M $0.260 / 1M
输出价格 $0.750 / 1M $2.080 / 1M
总输入令牌 35,116 41,832
输出令牌 4,048 26,187
推理令牌 61,219 251,028
响应时间（平均） 2.24s 42.49s
响应时间（最大） 14.63s 168.16s
响应时间（总计） 44.72s 892.30s

生成展示

Hamster playing table tennis

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

#44 Mercury 2

medium
成本
$0.002
时间
2.1s
令牌
1,702 tok

#36 Qwen3.5-122B-A10B

medium
成本
$0.019
时间
48.7s
令牌
6,034 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
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.75s 672 269 16,835
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
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578
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 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 107.79s 14,947 483 11,337
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
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 23.41s 7,782 270 16,558
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
Qwen3.5-122B-A10B 2.9 7.2 11.1% 1 63.40s 771 15,537 64,889
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
Qwen3.5-122B-A10B 3.4 2.2 33.3% 1 34.11s 344 66 7,592
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
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.88s 593 77 7,372
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
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 17.89s 696 284 27,575
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
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 4.60s 8,193 322 1,226
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
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 52.87s 204 822 15,066

快速对比

切换对比组合

Mercury 2mediumvsGPT-5.3 ChatnoneQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsMercury 2mediumDeepSeek V4 ProhighvsQwen3.5-122B-A10BmediumMercury 2mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsMercury 2mediumGPT-5.3 ChatnonevsQwen3.5-122B-A10BmediumClaude Sonnet 4.6nonevsMercury 2mediumClaude Opus 4.8nonevsMercury 2mediumGemini 3 Flash PreviewlowvsQwen3.5-122B-A10BmediumDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsQwen3.7 Plusnone