नेव्हिगेशन
Advertise here

Mercury 2.5 Preview (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 Preview (high) चा benchmark खर्च कमी आहे: $0.040 vs $1.478. Mercury 2.5 Preview (high) वेगवान आहे: 7.61s vs 72.72s, pass rates 65.2% vs 58.0%.

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

तुलना केलेली मॉडेल्स

क्रमांक
#207
एकूण आउटपुट टोकन्स
180,597
प्रतिसाद वेळ (सरासरी)
7.61s
एकूण खर्च
$0.040
क्रमांक
#203
एकूण आउटपुट टोकन्स
1,100,052
प्रतिसाद वेळ (सरासरी)
72.72s
एकूण खर्च
$1.478
शिफारस केलेले मॉडेल 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).

तपशीलवार तुलना

मेट्रिक Mercury 2.5 Preview Mercury 2.5 Preview high प्रकाशन: 2026-09-02 Step 3.7 Flash Step 3.7 Flash high प्रकाशन: 2026-05-29
स्कोअर 6.5 6.6
क्रमांक #207 #203
विश्वसनीयता 9.9 10.0
सुसंगतता 8.0 8.5
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 58.0%
अस्थिर चाचण्या 6 4
एकूण रन 69 69
प्रति निकाल खर्च 0.319 12.267
एकूण खर्च $0.040 $1.478
इनपुट किंमत $0.040 / 1M $0.200 / 1M
आउटपुट किंमत $0.150 / 1M $1.150 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.040 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 298,512 421,200
आउटपुट टोकन्स 3,178 1,100,052
रिझनिंग टोकन्स 177,419 0
प्रतिसाद वेळ (सरासरी) 7.61s 72.72s
प्रतिसाद वेळ (कमाल) 86.84s 364.99s
प्रतिसाद वेळ (एकूण) 175.08s 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.

#207 Mercury 2.5 Preview

high
खर्च
$0.001
वेळ
4.5s
टोकन्स
3,851 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 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

झटपट तुलना

तुलना जोडी बदला

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 2.1mediumमोफत उपलब्धClaude Sonnet 5.5mediumvsStep 3.7 FlashhighMercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low