AI BENCHY 对比
Inception: Mercury 2 vs Mistral: Mistral Small 4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-11
| 指标 | Mercury 2 Mercury 2 none | Mistral Small 4 Mistral Small 4 medium |
|---|---|---|
| 分数 | 4.8 | 5.7 |
| 排名 | #85 | #69 |
| 一致性 | 9.0 | 6.8 |
| 测试正确 | ||
| 尝试通过率 | 27.8% | 50.0% |
| 不稳定测试 | 2 | 7 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.165 | 0.674 |
| 总成本 | $0.007 | $0.034 |
| ???? | $0.250 / 1M | $0.150 / 1M |
| ???? | $0.750 / 1M | $0.600 / 1M |
| 输出令牌 | 1,625 | 15,084 |
| 推理令牌 | 0 | 39,408 |
| 响应时间（平均） | 613ms | 5.64s |
| 响应时间（最大） | 1.27s | 30.49s |
| 响应时间（总计） | 11.04s | 101.52s |
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 | 3.0 | 10.0 | 0.0% | 0 | 483ms | 286 | 0 | |
| Mistral Small 4 | 5.6 | 3.8 | 66.7% | 3 | 2.67s | 4,055 | 4,778 |
| 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 | 3.6 | 8.9 | 0.0% | 0 | 969ms | 310 | 0 | |
| Mistral Small 4 | 6.7 | 3.5 | 66.7% | 1 | 30.49s | 2,796 | 11,296 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 606ms | 131 | 0 | |
| Mistral Small 4 | 3.0 | 10.0 | 0.0% | 0 | 25.25s | 2,612 | 10,700 |
| 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 | 667ms | 180 | 0 | |
| Mistral Small 4 | 7.3 | 5.9 | 83.3% | 1 | 1.23s | 335 | 723 |
| 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 | 5.3 | 7.2 | 44.4% | 1 | 534ms | 46 | 0 | |
| Mistral Small 4 | 5.3 | 7.2 | 44.4% | 1 | 6.11s | 2,621 | 6,904 |
| 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 | 628ms | 159 | 0 | |
| Mistral Small 4 | 4.8 | 10.0 | 0.0% | 0 | 2.05s | 821 | 828 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 551ms | 82 | 0 | |
| Mistral Small 4 | 7.3 | 5.8 | 83.3% | 1 | 1.38s | 540 | 1,031 |
| 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 | 3.1 | 10.0 | 0.0% | 0 | 533ms | 234 | 0 | |
| Mistral Small 4 | 3.4 | 9.7 | 0.0% | 0 | 2.00s | 983 | 2,338 |
| 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 | 1.27s | 197 | 0 | |
| Mistral Small 4 | 10.0 | 10.0 | 100.0% | 0 | 3.50s | 321 | 810 |
快速对比
切换对比组合
Mistral Small 4mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsGLM 4.7 FlashnoneMistral Small 4mediumvsGLM 5.1noneMercury 2nonevsQwen3 Coder NextmediumMistral Small 4mediumvsKimi K2.5noneMistral Small 4mediumvsGLM 5 TurbononeMercury 2nonevsGLM 4.7 FlashmediumMistral Small 4mediumvsQwen3.5-27BnoneMistral Small 4mediumvsGPT-5.4noneTrinity Large Previewnone免费可用vsMistral Small 4mediumMistral Small 4mediumvsMiMo-V2-PrononeMercury 2nonevsQwen3.5-9Bmedium