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

Modelos comparados

Modelo recomendado Mercury 2.5 (medium)

Su puntuación se mantiene cerca de la mejor aquí (6.8 vs 6.8) y cuesta aproximadamente 56.7x menos que Step 3.7 Flash (high).

Métrica	Mercury 2.5 Mercury 2.5 medium Lanzamiento: 2026-09-08	Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29

Métrica	Mercury 2.5 Mercury 2.5 medium Lanzamiento: 2026-09-08	Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29
Puntuación	6.8	6.8
Rango	#157	#150
Fiabilidad	9.8	10.0
Consistencia	8.6	8.4
Intentos	66/66	66/66
Pruebas correctas
Tasa de aciertos por intento	65.2%	60.6%
Pruebas inestables	4	4
Ejecuciones totales	66	66
Costo por resultado	0.181	11.167
Costo total	$0.022	$1.229
Precio de entrada	$0.040 / 1M	$0.200 / 1M
Precio de salida	$0.150 / 1M	$1.150 / 1M
Total de tokens de entrada	91,402	98,700
Tokens de salida	3,138	1,050,900
Tokens de razonamiento	116,991	0
Tiempo de respuesta (promedio)	3.19s	70.10s
Tiempo de respuesta (máximo)	9.87s	364.99s
Tiempo de respuesta (total)	70.18s	1542.14s
Parámetros	~100B	198B en total (11B activos)
Disponibilidad	Código cerrado	Código abierto

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

medium

high

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	10.0	10.0	100.0%	0		1.28s	773	192	7,122
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	5.0	5.1	44.5%	2		3.70s	7,807	488	21,857
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	6.5	10.0	50.0%	0		9.23s	62,336	1,073	34,370
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	10.0	10.0	100.0%	0		2.57s	8,385	582	9,343
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	3.6	7.2	22.2%	1		4.39s	852	59	19,837
Step 3.7 Flash	3.6	7.2	22.2%	1		189.35s	792	429,007	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	4.4	9.9	0.0%	0		1.60s	528	98	2,364
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	6.4	6.0	66.7%	1		1.07s	520	55	2,344
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	10.0	10.0	100.0%	0		1.93s	766	290	7,721
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	10.0	10.0	100.0%	0		3.35s	9,203	269	4,641
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mercury 2.5	3.0	10.0	0.0%	0		4.30s	232	32	7,392
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Cambiar par de comparación