- रैंक
- #189
- कुल आउटपुट टोकन
- 96,943
- प्रतिक्रिया समय (औसत)
- 4.40s
- कुल लागत
- $0.121
Mercury 2 (medium) vs Step 3.7 Flash (high)
average score लगभग बराबर है: 6.6 vs 6.6. Mercury 2 (medium) की benchmark लागत कम है: $0.121 vs $1.350. Mercury 2 (medium) तेज है: 4.40s vs 72.72s, pass rates 53.6% vs 58.0%.
तुलना किए गए मॉडल
- रैंक
- #190
- कुल आउटपुट टोकन
- 1,100,052
- प्रतिक्रिया समय (औसत)
- 72.72s
- कुल लागत
- $1.350
अनुशंसित मॉडल
Mercury 2 (medium)
It has the best score here (6.6), while costing about 11.2x less than Step 3.7 Flash (high).
विस्तृत तुलना
| मेट्रिक | Mercury 2 Mercury 2 medium | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| स्कोर | 6.6 | 6.6 |
| रैंक | #189 | #190 |
| विश्वसनीयता | 10.0 | 10.0 |
| संगति | 8.1 | 8.5 |
| प्रयास | 69/69 | 69/69 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 53.6% | 58.0% |
| अस्थिर टेस्ट | 5 | 4 |
| कुल रन | 69 | 69 |
| प्रति परिणाम लागत | 1.201 | 12.267 |
| कुल लागत | $0.121 | $1.350 |
| इनपुट कीमत | $0.250 / 1M | $0.200 / 1M |
| आउटपुट कीमत | $0.750 / 1M | $1.150 / 1M |
| कुल इनपुट टोकन | 189,300 | 421,200 |
| आउटपुट टोकन | 10,854 | 1,100,052 |
| रीजनिंग टोकन | 86,089 | 0 |
| प्रतिक्रिया समय (औसत) | 4.40s | 72.72s |
| प्रतिक्रिया समय (अधिकतम) | 34.92s | 364.99s |
| प्रतिक्रिया समय (कुल) | 96.81s | 1672.53s |
| पैरामीटर | ~100B | 198B कुल (11B सक्रिय) |
| उपलब्धता | बंद स्रोत | मुक्त स्रोत |
मॉडल जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#189 Mercury 2
medium- लागत
- $0.002
- समय
- 2.1s
- टोकन
- 1,702 tok
#190 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
| स्वायत्त एजेंट कार्य | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 4.7 | 1.6 | 66.7% | 1 | 34.92s | 78,785 | 529 | 8,860 | |
| Step 3.7 Flash | 5.4 | 9.6 | 0.0% | 0 | 130.38s | 322,500 | 49,152 | 0 |
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| कोडिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Mercury 2 | 2.9 | 4.4 | 22.2% | 2 | 8.06s | 1,638 | 53 | 31,177 | |
| Step 3.7 Flash | 3.6 | 7.2 | 22.2% | 1 | 189.35s | 792 | 429,007 | 0 |
| Samanya Buddhimatta | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| पहेली समाधान | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
| सामान्य ज्ञान | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
त्वरित तुलना
तुलना जोड़ी बदलें
KAT-Coder-Pro V2.5lowvsStep 3.7 FlashhighMercury 2mediumvsLongCat 2.0lowMercury 2mediumvsKAT-Coder-Pro V2.5lowLongCat 2.0lowvsStep 3.7 FlashhighQwen3.7 FlashmediumvsStep 3.7 FlashhighClaude Sonnet 5.5mediumvsStep 3.7 FlashhighMercury 2mediumvsGLM 5.2noneQwen3.6 35B A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGLM 5.2noneMercury 2mediumvsGPT-5.5noneMercury 2mediumvsGLM 5.3 FlashlowGPT-5.5nonevsStep 3.7 Flashhigh