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

Inception: Mercury 2 vs StepFun: Step 3.7 Flash

Mercury 2 (medium) average score में आगे है: 7.0 vs 6.9. Mercury 2 (medium) की benchmark लागत कम है: $0.093 vs $1.207. Mercury 2 (medium) तेज है: 2.72s vs 64.68s, pass rates 51.5% vs 63.6%.

अनुशंसित मॉडलMercury 2 (medium)It has the best score here (7.0), while costing about 13.0x less than Step 3.7 Flash (high).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-22

मेट्रिक Mercury 2 Mercury 2 medium रिलीज़: 2026-02-24 Step 3.7 Flash Step 3.7 Flash high रिलीज़: 2026-05-29
स्कोर 7.0 6.9
रैंक #82 #90
विश्वसनीयता 10.0 10.0
संगति 8.8 8.0
सही परीक्षण
प्रति प्रयास पास दर 51.5% 63.6%
अस्थिर टेस्ट 3 5
कुल रन 66 66
प्रति परिणाम लागत 0.928 10.973
कुल लागत $0.093 $1.207
इनपुट कीमत $0.250 / 1M $0.200 / 1M
आउटपुट कीमत $0.750 / 1M $1.150 / 1M
कुल इनपुट टोकन 109,572 98,691
आउटपुट टोकन 10,313 1,032,395
रीजनिंग टोकन 76,806 0
प्रतिक्रिया समय (औसत) 2.72s 64.68s
प्रतिक्रिया समय (अधिकतम) 14.63s 364.99s
प्रतिक्रिया समय (कुल) 57.12s 1423.01s

Hamster playing table tennis

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

#82 Mercury 2

medium
लागत
$0.002
समय
2.1s
टोकन
1,702 tok

#90 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 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

त्वरित तुलना

तुलना जोड़ी बदलें