AI BENCHY 对比
Inception: Mercury 2 vs OpenAI: GPT-5.4 Mini
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | Mercury 2 Mercury 2 none | GPT-5.4 Mini GPT-5.4 Mini none |
|---|---|---|
| 分数 | 4.8 | 5.1 |
| 排名 | #89 | #84 |
| 一致性 | 9.0 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 27.8% | 35.2% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.165 | 0.630 |
| 总成本 | $0.007 | $0.032 |
| ???? | $0.250 / 1M | $0.750 / 1M |
| ???? | $0.750 / 1M | $4.500 / 1M |
| 输出令牌 | 1,625 | 2,418 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 613ms | 1.17s |
| 响应时间（最大） | 1.27s | 2.52s |
| 响应时间（总计） | 11.04s | 21.01s |
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 | |
| GPT-5.4 Mini | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 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 | 3.6 | 8.9 | 0.0% | 0 | 969ms | 310 | 0 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.19s | 333 | 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 | 3.0 | 10.0 | 0.0% | 0 | 606ms | 131 | 0 | |
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 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 | 667ms | 180 | 0 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.30s | 222 | 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 | 5.3 | 7.2 | 44.4% | 1 | 534ms | 46 | 0 | |
| GPT-5.4 Mini | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 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 | 628ms | 159 | 0 | |
| GPT-5.4 Mini | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 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 | 6.5 | 10.0 | 50.0% | 0 | 551ms | 82 | 0 | |
| GPT-5.4 Mini | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 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 | 3.1 | 10.0 | 0.0% | 0 | 533ms | 234 | 0 | |
| GPT-5.4 Mini | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 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 | 1.27s | 197 | 0 | |
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 |
快速对比
切换对比组合
Mercury 2nonevsQwen3 Coder NextmediumGPT-5.4 MininonevsElephantmediumMiniMax M2.7mediumvsGPT-5.4 MininoneMercury 2nonevsGLM 4.7 FlashmediumGPT-5.4 MininonevsQwen3 Coder NextmediumMercury 2nonevsQwen3.5-9BmediumMercury 2nonevsElephantmediumMercury 2nonevsMiniMax M2.7mediumMistral Small 4mediumvsGPT-5.4 MininoneGPT-5.4 MininonevsGLM 4.7 FlashmediumMiniMax M2.5medium免费可用vsGPT-5.4 MininoneGPT-5.4 MininonevsQwen3.5-9Bmedium