Inception: Mercury 2 vs Mistral: Mistral Small 4

Mistral Small 4 (medium) 平均分领先，为 5.1 vs 4.6。 Mercury 2 benchmark 成本更低，为 $0.030 vs $0.096。 Mercury 2 更快，为 829ms vs 10.77s，通过率为 22.7% vs 42.4%。

推荐模型Mercury 2它的得分接近这里的最高分（4.6 vs 5.1），同时成本比Mistral Small 4 (medium)低约 3.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Mercury 2 Mercury 2 none 发布日期: 2026-02-24	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16

指标	Mercury 2 Mercury 2 none 发布日期: 2026-02-24	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16
分数	4.6	5.1
排名	#185	#163
可靠性	10.0	10.0
一致性	9.2	7.0
测试正确
尝试通过率	22.7%	42.4%
不稳定测试	2	8
总运行次数	66	66
每个结果成本	0.734	1.913
总成本	$0.030	$0.096
输入价格	$0.250 / 1M	$0.150 / 1M
输出价格	$0.750 / 1M	$0.600 / 1M
总输入令牌	88,704	140,494
输出令牌	9,564	39,462
推理令牌	0	92,362
响应时间（平均）	829ms	10.77s
响应时间（最大）	4.52s	59.15s
响应时间（总计）	18.24s	236.94s

Hamster playing table tennis

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

#185 Mercury 2

none

成本: $0.002
时间: 1.8s
令牌: 1,514 tok

#163 Mistral Small 4

medium

成本: $0.006
时间: 47.9s
令牌: 9,857 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

类别:

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	3.0	10.0	0.0%	0		483ms	631	286	0
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	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）	输入令牌	输出令牌	推理令牌
Mercury 2	3.4	9.6	0.0%	0		1.03s	7,229	3,088	0
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715

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	3.0	10.0	0.0%	0		2.56s	65,412	5,256	0
Mistral Small 4	3.0	10.0	0.0%	0		32.40s	116,624	17,890	18,384

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		667ms	6,362	180	0
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	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）	输入令牌	输出令牌	推理令牌
Mercury 2	5.3	7.2	44.4%	1		534ms	784	46	0
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	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）	输入令牌	输出令牌	推理令牌
Mercury 2	4.8	10.0	0.0%	0		628ms	495	159	0
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	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）	输入令牌	输出令牌	推理令牌
Mercury 2	6.5	10.0	50.0%	0		551ms	691	82	0
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	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）	输入令牌	输出令牌	推理令牌
Mercury 2	3.1	10.0	0.0%	0		535ms	694	251	0
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632

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		1.27s	6,193	197	0
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810

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		548ms	213	19	0
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557

快速对比

切换对比组合

Mistral Small 4mediumvsMiMo-V2.5none Mistral Small 4mediumvsQwen3.5-9Bnone Mistral Small 4mediumvsQwen3 Coder Nextnone North Mini Codenone免费可用vsMistral Small 4medium CobuddymediumvsMercury 2none Mercury 2nonevsQwen3 Coder Nextmedium Mercury 2nonevsMiniMax M2.5medium Mistral Small 4mediumvsInklingnone DeepSeek V3.2nonevsMistral Small 4medium Mistral Small 4mediumvsGPT-4o-mininone Ling-2.6-1TnonevsMistral Small 4medium Mistral Small 4mediumvsQwen3.6 35B A3Bnone