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

Inception: Mercury 2 vs StepFun: Step 3.7 Flash

Mercury 2 (medium) average score-এ এগিয়ে: 7.0 vs 6.9. Mercury 2 (medium)-এর benchmark খরচ কম: $0.093 vs $1.207. Mercury 2 (medium) দ্রুত: 2.72s vs 64.68s, pass rates 51.5% vs 63.6%.

প্রস্তাবিত মডেলMercury 2 (medium)It has the best score here (7.0), while costing about 13.0x less than Step 3.7 Flash (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-22

মেট্রিক Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24 Step 3.7 Flash Step 3.7 Flash high প্রকাশ: 2026-05-29
স্কোর 7.0 6.9
র‍্যাঙ্ক #82 #90
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 8.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 51.5% 63.6%
অস্থির টেস্ট 3 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.928 10.973
মোট খরচ $0.093 $1.207
ইনপুট মূল্য $0.250 / 1M $0.200 / 1M
আউটপুট মূল্য $0.750 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 109,572 98,691
আউটপুট টোকেন 10,313 1,032,395
রিজনিং টোকেন 76,806 0
প্রতিক্রিয়া সময় (গড়) 2.72s 64.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 14.63s 364.99s
প্রতিক্রিয়া সময় (মোট) 57.12s 1423.01s

Hamster playing table tennis

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

#82 Mercury 2

medium
খরচ
$0.002
সময়
2.1s
টোকেন
1,702 tok

#90 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 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

দ্রুত তুলনা

তুলনার জুটি বদলান