AI BENCHY 对比
Inception: Mercury 2 vs Qwen: Qwen3.5-9B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Mercury 2 Mercury 2 medium | Qwen3.5-9B Qwen3.5-9B none |
|---|---|---|
| 排名 | #40 | #60 |
| 平均分 | 5.3 | 3.4 |
| 一致性 | 8.4 | 10.0 |
| 每个结果成本 | 0.631 | 0.111 |
| 总成本 | $0.045 | $0.005 |
| 测试正确 | ||
| 尝试通过率 | 54.2% | 25.0% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 3,708 | 2,939 |
| 推理令牌 | 45,921 | 0 |
| 响应时间（平均） | 2.36s | 1.06s |
| 响应时间（最大） | 14.63s | 5.91s |
| 响应时间（总计） | 35.39s | 16.95s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 | 7.3 | 9.8 | 66.7% | 0 | 1.30s | 2,531 | 2,410 | |
| Qwen3.5-9B | 10.0 | 9.9 | 0.0% | 0 | 1.02s | 576 | 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 | |
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 5.91s | 1,255 | 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 | 5.5 | 5.9 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| Qwen3.5-9B | 9.9 | 10.0 | 100.0% | 0 | 847ms | 249 | 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 | 10.0 | 7.2 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 464ms | 24 | 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 | 4.0 | 10.0 | 0.0% | 0 | 821ms | 137 | 542 | |
| Qwen3.5-9B | 3.0 | 9.9 | 0.0% | 0 | 552ms | 99 | 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 | |
| Qwen3.5-9B | 5.5 | 10.0 | 50.0% | 0 | 514ms | 75 | 0 |
| 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 | 1.7 | 7.5 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| Qwen3.5-9B | 10.0 | 9.9 | 0.0% | 0 | 683ms | 388 | 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 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 273 | 0 |
快速对比
切换对比组合
Mercury 2mediumvsQwen3.5-FlashnoneGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumQwen3.5-9BnonevsGLM 4.7 FlashmediumMercury 2mediumvsQwen3.5-122B-A10BnoneSeed-2.0-LitenonevsMercury 2mediumMercury 2mediumvsQwen3.5-27BnoneMercury 2mediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsHunter AlphanoneMercury 2mediumvsGPT-5.4noneMercury 2mediumvsGrok 4.20 Betanone