Inception: Mercury 2 vs Z.ai: GLM 4.7 Flash

Mercury 2 平均分领先，为 4.6 vs 4.3。 Mercury 2 benchmark 成本更低，为 $0.030 vs $0.166。 Mercury 2 更快，为 829ms vs 142.59s，通过率为 22.7% vs 31.8%。

推荐模型Mercury 2它在这里得分最高（4.6），同时成本比GLM 4.7 Flash (medium)低约 5.7 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	GLM 4.7 Flash GLM 4.7 Flash medium 发布日期: 2026-01-19

指标	Mercury 2 Mercury 2 none 发布日期: 2026-02-24	GLM 4.7 Flash GLM 4.7 Flash medium 发布日期: 2026-01-19
分数	4.6	4.3
排名	#185	#190
可靠性	10.0	7.8
一致性	9.2	7.0
测试正确
尝试通过率	22.7%	31.8%
不稳定测试	2	8
总运行次数	66	66
每个结果成本	0.734	4.147
总成本	$0.030	$0.166
输入价格	$0.250 / 1M	$0.061 / 1M
输出价格	$0.750 / 1M	$0.400 / 1M
总输入令牌	88,704	79,051
输出令牌	9,564	43,754
推理令牌	0	374,109
响应时间（平均）	829ms	142.59s
响应时间（最大）	4.52s	1539.97s
响应时间（总计）	18.24s	1996.21s

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

#190 GLM 4.7 Flash

medium

无效SVG

成本: $0.000
时间: 186.2s
令牌: 12,112 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
GLM 4.7 Flash	4.7	5.9	41.7%	2		14.95s	555	1,122	6,110

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
GLM 4.7 Flash	3.2	7.4	11.1%	1		55.33s	3,106	4,981	22,387

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
GLM 4.7 Flash	2.9	6.0	16.7%	1		802.77s	59,030	2,585	305,678

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
GLM 4.7 Flash	6.3	10.0	50.0%	0		1.51s	7,107	584	2,755

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
GLM 4.7 Flash	3.5	4.4	33.3%	2		174.55s	643	33,000	25,394

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
GLM 4.7 Flash	3.6	9.7	0.0%	0		18.14s	318	18	2,138

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
GLM 4.7 Flash	6.2	5.8	66.7%	1		2.97s	636	388	2,181

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
GLM 4.7 Flash	2.9	7.2	11.1%	1		12.93s	521	781	5,255

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
GLM 4.7 Flash	10.0	10.0	100.0%	0		15.95s	6,949	224	1,014

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
GLM 4.7 Flash	3.0	10.0	0.0%	0		11.13s	186	71	1,197

快速对比

切换对比组合

CobuddymediumvsMercury 2none Mercury 2nonevsQwen3 Coder Nextmedium Mercury 2nonevsMiniMax M2.5medium Grok 4.20nonevsGLM 4.7 Flashmedium Granite 4.1 8BnonevsGLM 4.7 Flashmedium Mercury 2nonevsMiniMax M2.7medium Trinity Large PreviewnonevsGLM 4.7 Flashmedium KAT-Coder-Air V2.5nonevsGLM 4.7 Flashmedium Mercury 2nonevsMistral Small 4medium GPT-5.4 NanononevsGLM 4.7 Flashmedium Ring-2.6-1TnonevsGLM 4.7 Flashmedium gpt-oss-120bnone免费可用vsGLM 4.7 Flashmedium