Inception: Mercury 2 vs Poolside: Laguna S 2.1

Laguna S 2.1 (low) 平均分领先，为 5.0 vs 4.6。 Mercury 2 benchmark 成本更低，为 $0.030 vs $0.091。 Mercury 2 更快，为 829ms vs 85.35s，通过率为 22.7% vs 25.8%。

推荐模型Mercury 2它的得分接近这里的最高分（4.6 vs 5.0），同时成本比Laguna S 2.1 (low)低约 3.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-22

指标	Mercury 2 Mercury 2 none 发布日期: 2026-02-24	Laguna S 2.1 Laguna S 2.1 low 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 low 发布日期: 2026-07-21 免费可用
分数	4.6	5.0
排名	#198	#181
可靠性	10.0	9.9
一致性	9.2	7.8
测试正确
尝试通过率	22.7%	25.8%
不稳定测试	2	6
总运行次数	66	66
每个结果成本	0.734	3.022
总成本	$0.030	$0.091
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	118,746
输出令牌	9,564	67,823
推理令牌	0	383,885
响应时间（平均）	829ms	85.35s
响应时间（最大）	4.52s	814.73s
响应时间（总计）	18.24s	1877.64s

Hamster playing table tennis

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

#198 Mercury 2

none

成本: $0.002
时间: 1.8s
令牌: 1,514 tok

#181 Laguna S 2.1

low

成本: $0.001
时间: 6.6s
令牌: 1,314 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		80.66s	616	311	43,722

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	3.8	7.1	22.2%	1		167.51s	7,917	58,111	119,138

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	3.2	5.2	16.7%	1		412.50s	92,870	8,211	174,584

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		2.76s	7,689	243	1,981

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		2.51s	765	24	2,606

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
Laguna S 2.1	4.8	10.0	0.0%	0		650ms	513	120	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	4.3	6.8	16.7%	1		423ms	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	3.1	7.3	11.1%	1		2.70s	699	447	1,444

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		2.36s	6,747	286	417

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		202.49s	228	10	39,993

快速对比

切换对比组合