AI BENCHY 对比
Inception: Mercury 2 vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | Mercury 2 Mercury 2 none | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 4.6 | 5.9 |
| 排名 | #153 | #103 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 25.0% | 50.0% |
| 不稳定测试 | 2 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.216 | 0.151 |
| 总成本 | $0.009 | $0.012 |
| 输入价格 | $0.250 / 1M | $0.039 / 1M |
| 输出价格 | $0.750 / 1M | $0.180 / 1M |
| 总输入令牌 | 25,515 | 36,355 |
| 输出令牌 | 3,001 | 17,495 |
| 推理令牌 | 0 | 46,878 |
| 响应时间（平均） | 614ms | 22.41s |
| 响应时间（最大） | 1.27s | 68.16s |
| 响应时间（总计） | 12.28s | 291.35s |
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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 3.0 | 10.0 | 0.0% | 0 | 483ms | 631 | 286 | 0 | |
| gpt-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 1,314 | 3,518 | 2,177 |
| 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 | 3.5 | 9.4 | 0.0% | 0 | 831ms | 4,631 | 1,650 | 0 | |
| gpt-oss-120b | 3.9 | 5.6 | 33.3% | 1 | 47.24s | 5,053 | 847 | 8,618 |
| 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 | 606ms | 4,821 | 131 | 0 | |
| gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 11,535 | 694 | 5,072 |
| 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 | |
| gpt-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 7,476 | 241 | 1,114 |
| 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 | |
| gpt-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 1,266 | 6,784 | 20,606 |
| 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 | |
| gpt-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 659 | 107 | 387 |
| 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 | |
| gpt-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 1,036 | 126 | 1,799 |
| 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 | |
| gpt-oss-120b | 5.3 | 7.2 | 44.4% | 1 | 21.71s | 1,190 | 1,790 | 2,264 |
| 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 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 6,514 | 287 | 1,083 |
| 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 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 312 | 3,101 | 3,758 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsQwen3.5-Flashnonegpt-oss-120bmedium免费可用vsGLM 5V TurbononeSeed-2.0-Litenonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsGLM 5.1noneDeepSeek V4 Prononevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5 Plus 2026-04-20noneMercury 2nonevsQwen3 Coder Nextmediumgpt-oss-120bmedium免费可用vsQwen3.5-35B-A3BnoneMercury 2nonevsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsQwen3.5-27Bnonegpt-oss-120bmedium免费可用vsQwen3.6 27BnoneDeepSeek V4 Prohighvsgpt-oss-120bmedium免费可用