नेव्हिगेशन
Advertise here

Mercury 2 (medium) vs Step 3.7 Flash (high)

average score जवळपास समान आहे: 6.6 vs 6.6. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.121 vs $1.350. Mercury 2 (medium) वेगवान आहे: 4.40s vs 72.72s, pass rates 53.6% vs 58.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक
#189
एकूण आउटपुट टोकन्स
96,943
प्रतिसाद वेळ (सरासरी)
4.40s
एकूण खर्च
$0.121
क्रमांक
#190
एकूण आउटपुट टोकन्स
1,100,052
प्रतिसाद वेळ (सरासरी)
72.72s
एकूण खर्च
$1.350
शिफारस केलेले मॉडेल Mercury 2 (medium)

It has the best score here (6.6), while costing about 11.2x less than Step 3.7 Flash (high).

तपशीलवार तुलना

मेट्रिक Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24 Step 3.7 Flash Step 3.7 Flash high प्रकाशन: 2026-05-29
स्कोअर 6.6 6.6
क्रमांक #189 #190
विश्वसनीयता 10.0 10.0
सुसंगतता 8.1 8.5
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 53.6% 58.0%
अस्थिर चाचण्या 5 4
एकूण रन 69 69
प्रति निकाल खर्च 1.201 12.267
एकूण खर्च $0.121 $1.350
इनपुट किंमत $0.250 / 1M $0.200 / 1M
आउटपुट किंमत $0.750 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 189,300 421,200
आउटपुट टोकन्स 10,854 1,100,052
रिझनिंग टोकन्स 86,089 0
प्रतिसाद वेळ (सरासरी) 4.40s 72.72s
प्रतिसाद वेळ (कमाल) 34.92s 364.99s
प्रतिसाद वेळ (एकूण) 96.81s 1672.53s
पॅरामीटर्स ~100B 198B एकूण (11B सक्रिय)
उपलब्धता बंद स्रोत मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#189 Mercury 2

medium
खर्च
$0.002
वेळ
2.1s
टोकन्स
1,702 tok

#190 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 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

झटपट तुलना

तुलना जोडी बदला

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