Inception: Mercury 2 vs Qwen: Qwen3.7 Plus

Qwen3.7 Plus lidera en puntuación media con 7.2 vs 7.0. Mercury 2 (medium) tiene menor coste de benchmark con $0.093 vs $0.106. Mercury 2 (medium) es más rápido con 2.72s vs 12.09s, con tasas de acierto de 51.5% vs 50.0%.

Modelo recomendadoMercury 2 (medium)Su puntuación se mantiene cerca de la mejor aquí (7.0 vs 7.2) y responde aproximadamente 4.4x más rápido que Qwen3.7 Plus.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-18

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	Qwen3.7 Plus Qwen3.7 Plus none Lanzamiento: 2026-06-03

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	Qwen3.7 Plus Qwen3.7 Plus none Lanzamiento: 2026-06-03
Puntuación	7.0	7.2
Rango	#77	#70
Fiabilidad	10.0	10.0
Consistencia	8.8	10.0
Pruebas correctas
Tasa de aciertos por intento	51.5%	50.0%
Pruebas inestables	3	0
Ejecuciones totales	66	66
Costo por resultado	0.928	1.014
Costo total	$0.093	$0.106
Precio de entrada	$0.250 / 1M	$0.320 / 1M
Precio de salida	$0.750 / 1M	$1.280 / 1M
Total de tokens de entrada	109,572	98,824
Tokens de salida	10,313	58,097
Tokens de razonamiento	76,806	0
Tiempo de respuesta (promedio)	2.72s	12.09s
Tiempo de respuesta (máximo)	14.63s	206.03s
Tiempo de respuesta (total)	57.12s	265.89s

Hamster playing table tennis

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

#77 Mercury 2

medium

Coste: $0.002
Tiempo: 2.1s
Tokens: 1,702 tok

#70 Qwen3.7 Plus

none

Coste: $0.019
Tiempo: 213.5s
Tokens: 11,960 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

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	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Qwen3.7 Plus	6.5	10.0	50.0%	0		1.38s	696	349	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	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Qwen3.7 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	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	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Qwen3.7 Plus	10.0	10.0	100.0%	0		117.70s	71,266	56,024	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	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	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	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Qwen3.7 Plus	3.0	10.0	0.0%	0		868ms	789	18	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	4.8	10.0	0.0%	0		821ms	456	137	542
Qwen3.7 Plus	5.3	10.0	0.0%	0		1.33s	522	78	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	10.0	10.0	100.0%	0		1.07s	340	14	958
Qwen3.7 Plus	6.3	10.0	50.0%	0		929ms	711	72	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	5.4	10.0	33.3%	0		949ms	601	361	2,781
Qwen3.7 Plus	7.7	10.0	66.7%	0		1.71s	714	443	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	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Qwen3.7 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	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	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Qwen3.7 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashnonevsMercury 2medium Qwen3.7 PlusnonevsGrok 4.3medium Qwen3.7 PlusnonevsGLM 5.1medium Qwen3.7 PlusnonevsGrok 4.20medium KAT-Coder-Pro V2.5highvsQwen3.7 Plusnone Kimi K2.6mediumvsQwen3.7 Plusnone DeepSeek V4 PrononevsMercury 2medium Qwen3.7 PlusnonevsStep 3.7 Flashlow Mercury 2mediumvsGPT-5.6 Solnone Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2mediumvsGPT-5.5none Gemini 3.1 Flash LitemediumvsQwen3.7 Plusnone