AI BENCHY 对比
Inception: Mercury 2 vs Qwen: Qwen3.5-122B-A10B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | Mercury 2 Mercury 2 medium | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none |
|---|---|---|
| 分数 | 6.5 | 5.4 |
| 排名 | #93 | #131 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.8 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 51.7% | 33.3% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.611 | 0.380 |
| 总成本 | $0.055 | $0.019 |
| 输入价格 | $0.250 / 1M | $0.260 / 1M |
| 输出价格 | $0.750 / 1M | $2.080 / 1M |
| 输出令牌 | 4,022 | 3,374 |
| 推理令牌 | 58,405 | 0 |
| 响应时间（平均） | 2.27s | 3.38s |
| 响应时间（最大） | 14.63s | 46.00s |
| 响应时间（总计） | 43.20s | 67.55s |
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 | |
| Qwen3.5-122B-A10B | 4.8 | 10.0 | 25.0% | 0 | 1.59s | 312 | 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 | 7.2 | 6.5 | 66.7% | 1 | 2.29s | 270 | 8,514 | |
| Qwen3.5-122B-A10B | 4.0 | 5.5 | 33.3% | 1 | 2.14s | 684 | 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 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 46.00s | 1,137 | 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 1.01s | 243 | 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 | |
| Qwen3.5-122B-A10B | 5.3 | 10.0 | 33.3% | 0 | 465ms | 15 | 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 | |
| Qwen3.5-122B-A10B | 5.0 | 10.0 | 0.0% | 0 | 1.12s | 66 | 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 | |
| Qwen3.5-122B-A10B | 6.3 | 10.0 | 50.0% | 0 | 513ms | 69 | 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 | 5.4 | 10.0 | 33.3% | 0 | 949ms | 361 | 2,781 | |
| Qwen3.5-122B-A10B | 3.8 | 10.0 | 0.0% | 0 | 1.00s | 575 | 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 2.04s | 264 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 2.58s | 22 | 3,748 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 295ms | 9 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsQwen3.5-122B-A10BnoneElephant AlphamediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGPT-5.5noneGemini 3.1 Flash LitenonevsMercury 2mediumDeepSeek V4 ProhighvsMercury 2mediumMiniMax M2.5mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneGemini 2.5 FlashnonevsMercury 2mediumGemini 3.1 Flash LiteminimalvsMercury 2mediumMercury 2mediumvsGLM 5noneGemma 4 31Bnone免费可用vsMercury 2medium