नेव्हिगेशन
Advertise here

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

Step 3.7 Flash (high) average score मध्ये पुढे आहे: 6.6 vs 6.5. Mercury 2.5 (high) चा benchmark खर्च कमी आहे: $0.044 vs $1.478. Mercury 2.5 (high) वेगवान आहे: 7.62s vs 72.72s, pass rates 59.4% vs 58.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-12

तुलना केलेली मॉडेल्स

क्रमांक
#208
एकूण आउटपुट टोकन्स
193,676
प्रतिसाद वेळ (सरासरी)
7.62s
एकूण खर्च
$0.044
क्रमांक
#203
एकूण आउटपुट टोकन्स
1,100,052
प्रतिसाद वेळ (सरासरी)
72.72s
एकूण खर्च
$1.478
शिफारस केलेले मॉडेल Mercury 2.5 (high)

Its score stays close to the best score here (6.5 vs 6.6), while costing about 34.1x less than Step 3.7 Flash (high).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Mercury 2.5 high प्रकाशन: 2026-09-08 Step 3.7 Flash Step 3.7 Flash high प्रकाशन: 2026-05-29
स्कोअर 6.5 6.6
क्रमांक #208 #203
विश्वसनीयता 9.8 10.0
सुसंगतता 8.7 8.5
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 59.4% 58.0%
अस्थिर चाचण्या 4 4
एकूण रन 69 69
प्रति निकाल खर्च 0.362 12.267
एकूण खर्च $0.044 $1.478
इनपुट किंमत $0.040 / 1M $0.200 / 1M
आउटपुट किंमत $0.150 / 1M $1.150 / 1M
कॅश वाचण्याची किंमत $0.004 / 1M $0.040 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 358,562 421,200
आउटपुट टोकन्स 4,266 1,100,052
रिझनिंग टोकन्स 189,410 0
प्रतिसाद वेळ (सरासरी) 7.62s 72.72s
प्रतिसाद वेळ (कमाल) 80.30s 364.99s
प्रतिसाद वेळ (एकूण) 175.36s 1672.53s
पॅरामीटर्स ~100B 198B एकूण (11B सक्रिय)
उपलब्धता बंद स्रोत मुक्त स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#208 Mercury 2.5

high
खर्च
$0.001
वेळ
3.5s
टोकन्स
2,447 tok

#203 Step 3.7 Flash

high
खर्च
$0.007
वेळ
63.6s
टोकन्स
6,030 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2.5 6.4 7.8 44.4% 1 6.58s 7,757 415 44,012
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

झटपट तुलना

तुलना जोडी बदला

Mercury 2mediumvsStep 3.7 FlashhighMercury 2.5highvsGLM 5.3lowKAT-Coder-Pro V2.5lowvsStep 3.7 FlashhighMercury 2.5highvsQwen3.6 35B A3BmediumMercury 2.5highvsGLM 5.1noneClaude Sonnet 5.5mediumvsMercury 2.5highMercury 2.5highvsGrok 4.3mediumLongCat 2.0lowvsStep 3.7 FlashhighMercury 2.5highvsLaguna XS 2.1mediumमोफत उपलब्धQwen3.7 FlashmediumvsStep 3.7 FlashhighMercury 2.5highvsQwen3.5-122B-A10BnoneClaude Sonnet 5.5mediumvsStep 3.7 Flashhigh