Inception: Mercury 2 vs StepFun: Step 3.7 Flash

Mercury 2 (medium) lidera en puntuación media con 7.0 vs 6.9. Mercury 2 (medium) tiene menor coste de benchmark con $0.093 vs $1.207. Mercury 2 (medium) es más rápido con 2.72s vs 64.68s, con tasas de acierto de 51.5% vs 63.6%.

Modelo recomendadoMercury 2 (medium)Tiene la mejor puntuación aquí (7.0) y cuesta aproximadamente 13.0x menos que Step 3.7 Flash (high).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-22

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29

Métrica	Mercury 2 Mercury 2 medium Lanzamiento: 2026-02-24	Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29
Puntuación	7.0	6.9
Rango	#82	#90
Fiabilidad	10.0	10.0
Consistencia	8.8	8.0
Pruebas correctas
Tasa de aciertos por intento	51.5%	63.6%
Pruebas inestables	3	5
Ejecuciones totales	66	66
Costo por resultado	0.928	10.973
Costo total	$0.093	$1.207
Precio de entrada	$0.250 / 1M	$0.200 / 1M
Precio de salida	$0.750 / 1M	$1.150 / 1M
Total de tokens de entrada	109,572	98,691
Tokens de salida	10,313	1,032,395
Tokens de razonamiento	76,806	0
Tiempo de respuesta (promedio)	2.72s	64.68s
Tiempo de respuesta (máximo)	14.63s	364.99s
Tiempo de respuesta (total)	57.12s	1423.01s

Hamster playing table tennis

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

#82 Mercury 2

medium

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

#90 Step 3.7 Flash

high

Coste: $0.007
Tiempo: 63.6s
Tokens: 6,030 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
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	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

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
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	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
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	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	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
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	10.0	10.0	100.0%	0		1.07s	340	14	958
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	5.4	10.0	33.3%	0		949ms	601	361	2,781
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	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
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	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Comparación rápida

Cambiar par de comparación

GPT-5.5nonevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsMercury 2medium Qwen3.6 FlashmediumvsStep 3.7 Flashhigh Step 3.7 FlashhighvsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh DeepSeek V4 PrononevsMercury 2medium Mercury 2mediumvsGPT-5.6 Solnone Seed-2.0-MinimediumvsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh