নেভিগেশন
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Mercury 2.5 Preview (high) vs Step 3.7 Flash (high)

Step 3.7 Flash (high) average score-এ এগিয়ে: 6.6 vs 6.5. Mercury 2.5 Preview (high)-এর benchmark খরচ কম: $0.040 vs $1.478. Mercury 2.5 Preview (high) দ্রুত: 7.61s vs 72.72s, pass rates 65.2% vs 58.0%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-10-12

তুলনা করা মডেল

র‍্যাঙ্ক
#207
মোট আউটপুট টোকেন
180,597
প্রতিক্রিয়া সময় (গড়)
7.61s
মোট খরচ
$0.040
র‍্যাঙ্ক
#203
মোট আউটপুট টোকেন
1,100,052
প্রতিক্রিয়া সময় (গড়)
72.72s
মোট খরচ
$1.478
প্রস্তাবিত মডেল Mercury 2.5 Preview (high)

Its score stays close to the best score here (6.5 vs 6.6), while costing about 37.9x less than Step 3.7 Flash (high).

বিস্তারিত তুলনা

মেট্রিক Mercury 2.5 Preview Mercury 2.5 Preview high প্রকাশ: 2026-09-02 Step 3.7 Flash Step 3.7 Flash high প্রকাশ: 2026-05-29
স্কোর 6.5 6.6
র‍্যাঙ্ক #207 #203
নির্ভরযোগ্যতা 9.9 10.0
ধারাবাহিকতা 8.0 8.5
প্রচেষ্টা 69/69 69/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 65.2% 58.0%
অস্থির টেস্ট 6 4
মোট রান 69 69
প্রতি ফলাফলে খরচ 0.319 12.267
মোট খরচ $0.040 $1.478
ইনপুট মূল্য $0.040 / 1M $0.200 / 1M
আউটপুট মূল্য $0.150 / 1M $1.150 / 1M
ক্যাশ পড়ার মূল্য প্রযোজ্য নয় $0.040 / 1M
ক্যাশ লেখার মূল্য প্রযোজ্য নয় প্রযোজ্য নয়
মোট ইনপুট টোকেন 298,512 421,200
আউটপুট টোকেন 3,178 1,100,052
রিজনিং টোকেন 177,419 0
প্রতিক্রিয়া সময় (গড়) 7.61s 72.72s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 86.84s 364.99s
প্রতিক্রিয়া সময় (মোট) 175.08s 1672.53s
প্যারামিটার ~100B 198B মোট (11B সক্রিয়)
উপলভ্যতা বন্ধ উৎস উন্মুক্ত উৎস

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#207 Mercury 2.5 Preview

high
খরচ
$0.001
সময়
4.5s
টোকেন
3,851 tok

#203 Step 3.7 Flash

high
খরচ
$0.007
সময়
63.6s
টোকেন
6,030 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Mercury 2.5 Preview 6.7 7.8 55.6% 1 6.13s 7,751 485 42,569
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

দ্রুত তুলনা

তুলনার জুটি বদলান

Mercury 2mediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsQwen3.6 35B A3BmediumKAT-Coder-Pro V2.5lowvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsGLM 5.3lowClaude Sonnet 5.5mediumvsMercury 2.5 PreviewhighLongCat 2.0lowvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsGLM 5.1noneMercury 2.5 PreviewhighvsGrok 4.3mediumQwen3.7 FlashmediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsLaguna XS 2.1mediumবিনামূল্যে উপলভ্যClaude Sonnet 5.5mediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low