Inception: Mercury 2 vs Poolside: Laguna S 2.1

Laguna S 2.1 (high) 平均分领先，为 5.4 vs 4.6。 Mercury 2 benchmark 成本更低，为 $0.030 vs $0.127。 Mercury 2 更快，为 829ms vs 111.61s，通过率为 22.7% vs 27.3%。

推荐模型Mercury 2它的得分接近这里的最高分（4.6 vs 5.4），同时成本比Laguna S 2.1 (high)低约 4.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

对比摘要

排名: #204
总输出令牌: 9,564
响应时间（平均）: 829ms
总成本: $0.030

排名: #173
总输出令牌: 584,864
响应时间（平均）: 111.61s
总成本: $0.127

指标	Mercury 2 Mercury 2 none 发布日期: 2026-02-24	Laguna S 2.1 Laguna S 2.1 high 发布日期: 2026-07-21 免费可用

指标	Mercury 2 Mercury 2 none 发布日期: 2026-02-24	Laguna S 2.1 Laguna S 2.1 high 发布日期: 2026-07-21 免费可用
分数	4.6	5.4
排名	#204	#173
可靠性	10.0	9.9
一致性	9.2	8.1
测试正确
尝试通过率	22.7%	27.3%
不稳定测试	2	5
总运行次数	66	66
每个结果成本	0.734	3.153
总成本	$0.030	$0.127
输入价格	$0.250 / 1M	$0.100 / 1M
输出价格	$0.750 / 1M	$0.200 / 1M
总输入令牌	88,704	208,931
输出令牌	9,564	175,588
推理令牌	0	409,276
响应时间（平均）	829ms	111.61s
响应时间（最大）	4.52s	1190.11s
响应时间（总计）	18.24s	2455.39s

Hamster playing table tennis

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

#204 Mercury 2

none

成本: $0.002
时间: 1.8s
令牌: 1,514 tok

#173 Laguna S 2.1

high

成本: $0.001
时间: 6.8s
令牌: 1,389 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
Laguna S 2.1	3.4	5.8	25.0%	2		52.20s	672	504	46,579

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
Laguna S 2.1	5.3	7.2	44.4%	1		271.42s	6,496	59,355	151,009

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
Laguna S 2.1	2.9	6.0	16.7%	1		702.26s	184,420	114,577	203,826

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
Laguna S 2.1	10.0	10.0	100.0%	0		1.96s	7,689	243	1,705

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
Laguna S 2.1	3.0	10.0	0.0%	0		2.56s	765	24	2,035

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
Laguna S 2.1	4.6	9.8	0.0%	0		855ms	513	135	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）	输入令牌	输出令牌	推理令牌
Mercury 2	6.5	10.0	50.0%	0		551ms	691	82	0
Laguna S 2.1	4.6	10.0	0.0%	0		453ms	702	60	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）	输入令牌	输出令牌	推理令牌
Mercury 2	3.1	10.0	0.0%	0		535ms	694	251	0
Laguna S 2.1	2.9	7.2	11.1%	1		1.62s	699	370	1,130

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
Laguna S 2.1	10.0	10.0	100.0%	0		2.69s	6,747	306	334

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
Laguna S 2.1	3.0	10.0	0.0%	0		6.94s	228	14	2,658

快速对比

切换对比组合