नेव्हिगेशन
AI BENCHY
Advertise here

Inception: Mercury 2 vs StepFun: Step 3.7 Flash

Mercury 2 (medium) average score मध्ये पुढे आहे: 7.0 vs 6.9. Mercury 2 (medium) चा benchmark खर्च कमी आहे: $0.093 vs $1.207. Mercury 2 (medium) वेगवान आहे: 2.72s vs 64.68s, pass rates 51.5% vs 63.6%.

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

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-22

मेट्रिक Mercury 2 Mercury 2 medium प्रकाशन: 2026-02-24 Step 3.7 Flash Step 3.7 Flash high प्रकाशन: 2026-05-29
स्कोअर 7.0 6.9
क्रमांक #82 #90
विश्वसनीयता 10.0 10.0
सुसंगतता 8.8 8.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 51.5% 63.6%
अस्थिर चाचण्या 3 5
एकूण रन 66 66
प्रति निकाल खर्च 0.928 10.973
एकूण खर्च $0.093 $1.207
इनपुट किंमत $0.250 / 1M $0.200 / 1M
आउटपुट किंमत $0.750 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 109,572 98,691
आउटपुट टोकन्स 10,313 1,032,395
रिझनिंग टोकन्स 76,806 0
प्रतिसाद वेळ (सरासरी) 2.72s 64.68s
प्रतिसाद वेळ (कमाल) 14.63s 364.99s
प्रतिसाद वेळ (एकूण) 57.12s 1423.01s

Hamster playing table tennis

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

#82 Mercury 2

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

#90 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