#125 Mercury 2
medium- 成本
- $0.002
- 时间
- 2.1s
- 令牌
- 1,702 tok
Inception
发布日期: 2026-02-24
测试于: 2026-08-14 03:05
inception/mercury-2::medium
~100B其他闭源估算
(medium)
(none)
摘要
Mercury 2 在 AI BENCHY 上得分 7.0，排名 #125。它的可靠性为 10.0，通过率为 53.0%，总成本为 $0.094，平均响应时间为 2.95s。
Mercury 2 的独特之处： 它最突出的是 指令遵循，排名 #1；相对较弱的是 谜题求解，排名 #16。
模型信息
调研日期：2026-08-12
- 参数量
- ~100B
- 架构
- 其他
- 开放状态
- 闭源
- 许可证
- -
基于公开证据的最佳估算；厂商未披露全部数值。
输入价格
$0.250 / 1M
输出价格
$0.750 / 1M
不稳定测试
4
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 03:05 重新测试 | 7.0 | 10.0 | $0.094 | 当前轮次 | |
| 2026-07-16 23:14 新增测试 | 7.0 | 10.0 | $0.093 | 比较 | |
| 2026-06-04 14:27 新增测试 | 6.6 | 10.0 | $0.058 | 比较 | |
| 2026-05-22 00:40 重新测试 | 6.3 | 10.0 | $0.055 | 比较 | |
| 2026-04-11 01:44 首次记录的运行 | 6.5 | 不适用 | $0.047 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 03:05 · 当前轮次 | 66/66 次尝试 | 7.0 | 8.4 | 10.0 | 10/22 | 4 | 87,554 | 110,515 | $0.094 | 2.95s |
| 2026-05-22 00:40 · 重新测试 | 60/60 次尝试 | 6.3 | 8.4 | 10.0 | 8/20 | 4 | 62,397 | 0 | $0.055 | 2.27s |
| 差值 | — | +0.7 | 0.0 | 0.0 | +2 | 0 | +25157 | +110515 | +$0.039 | +676ms |
基准测试覆盖率不同：66/66 次尝试 (目标：每项测试重复 3 次) 对比 60/60 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
价格历史
来自 OpenRouter 的该模型历史定价数据。
| 日期 | 输入价格 | 输出价格 |
|---|---|---|
| 2026-08-14 12:51 | $0.250 / 1M | $0.750 / 1M |
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Mercury 2mediumvsGPT-5.5noneMercury 2mediumvsGrok 4.20mediumMercury 2mediumvsGLM 5.1mediumMercury 2mediumvsSeed-2.0-MinimediumMercury 2mediumvsDeepSeek V3.2mediumMercury 2mediumvsKimi K2.5mediumMercury 2mediumvsGPT-5.6 SolnoneMercury 2mediumvsKAT-Coder-Pro V2.5mediumMercury 2mediumvsGrok 4.3mediumMercury 2mediumvsClaude Fable 5.1low