নেভিগেশন
AI BENCHY
Advertise here

Mercury 2 (medium) vs Step 3.7 Flash (low)

Step 3.7 Flash (low) average score-এ এগিয়ে: 7.3 vs 7.0. Mercury 2 (medium)-এর benchmark খরচ কম: $0.093 vs $0.454. Mercury 2 (medium) দ্রুত: 2.72s vs 20.68s, pass rates 51.5% vs 68.2%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-25

র‍্যাঙ্ক
#86
মোট আউটপুট টোকেন
87,119
প্রতিক্রিয়া সময় (গড়)
2.72s
মোট খরচ
$0.093
র‍্যাঙ্ক
#75
মোট আউটপুট টোকেন
376,581
প্রতিক্রিয়া সময় (গড়)
20.68s
মোট খরচ
$0.454
প্রস্তাবিত মডেল Mercury 2 (medium)

Its score stays close to the best score here (7.0 vs 7.3), while costing about 4.9x less than Step 3.7 Flash (low).

বিস্তারিত তুলনা

মেট্রিক Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24 Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29
স্কোর 7.0 7.3
র‍্যাঙ্ক #86 #75
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 51.5% 68.2%
অস্থির টেস্ট 3 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.928 3.782
মোট খরচ $0.093 $0.454
ইনপুট মূল্য $0.250 / 1M $0.200 / 1M
আউটপুট মূল্য $0.750 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 109,572 103,833
আউটপুট টোকেন 10,313 376,581
রিজনিং টোকেন 76,806 0
প্রতিক্রিয়া সময় (গড়) 2.72s 20.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 14.63s 124.75s
প্রতিক্রিয়া সময় (মোট) 57.12s 455.01s

Hamster playing table tennis

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

#86 Mercury 2

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

#75 Step 3.7 Flash

low
অবৈধ SVG
খরচ
$0.004
সময়
25.3s
টোকেন
3,072 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 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

দ্রুত তুলনা

তুলনার জুটি বদলান