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

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

Step 3.7 Flash (high) average score में आगे है: 6.6 vs 6.5. Mercury 2.5 Preview (high) की benchmark लागत कम है: $0.040 vs $1.478. Mercury 2.5 Preview (high) तेज है: 7.61s vs 72.72s, pass rates 65.2% vs 58.0%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-12

तुलना किए गए मॉडल

रैंक
#207
कुल आउटपुट टोकन
180,597
प्रतिक्रिया समय (औसत)
7.61s
कुल लागत
$0.040
रैंक
#203
कुल आउटपुट टोकन
1,100,052
प्रतिक्रिया समय (औसत)
72.72s
कुल लागत
$1.478
अनुशंसित मॉडल Mercury 2.5 Preview (high)

Its score stays close to the best score here (6.5 vs 6.6), while costing about 37.9x less than Step 3.7 Flash (high).

विस्तृत तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview high रिलीज़: 2026-09-02 Step 3.7 Flash Step 3.7 Flash high रिलीज़: 2026-05-29
स्कोर 6.5 6.6
रैंक #207 #203
विश्वसनीयता 9.9 10.0
संगति 8.0 8.5
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 65.2% 58.0%
अस्थिर टेस्ट 6 4
कुल रन 69 69
प्रति परिणाम लागत 0.319 12.267
कुल लागत $0.040 $1.478
इनपुट कीमत $0.040 / 1M $0.200 / 1M
आउटपुट कीमत $0.150 / 1M $1.150 / 1M
कैश पढ़ने की कीमत लागू नहीं $0.040 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 298,512 421,200
आउटपुट टोकन 3,178 1,100,052
रीजनिंग टोकन 177,419 0
प्रतिक्रिया समय (औसत) 7.61s 72.72s
प्रतिक्रिया समय (अधिकतम) 86.84s 364.99s
प्रतिक्रिया समय (कुल) 175.08s 1672.53s
पैरामीटर ~100B 198B कुल (11B सक्रिय)
उपलब्धता बंद स्रोत मुक्त स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#207 Mercury 2.5 Preview

high
लागत
$0.001
समय
4.5s
टोकन
3,851 tok

#203 Step 3.7 Flash

high
लागत
$0.007
समय
63.6s
टोकन
6,030 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Mercury 2.5 Preview 6.7 7.8 55.6% 1 6.13s 7,751 485 42,569
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

त्वरित तुलना

तुलना जोड़ी बदलें

Mercury 2mediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsQwen3.6 35B A3BmediumKAT-Coder-Pro V2.5lowvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsGLM 5.3lowClaude Sonnet 5.5mediumvsMercury 2.5 PreviewhighLongCat 2.0lowvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsGLM 5.1noneMercury 2.5 PreviewhighvsGrok 4.3mediumQwen3.7 FlashmediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsLaguna XS 2.1mediumनिःशुल्क उपलब्धClaude Sonnet 5.5mediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low