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

Modele comparate

Rang: #208
Total tokenuri de ieșire: 193,676
Timp de răspuns (mediu): 7.62s
Cost total: $0.044

Rang: #203
Total tokenuri de ieșire: 1,100,052
Timp de răspuns (mediu): 72.72s
Cost total: $1.478

Model recomandat Mercury 2.5 (high)

Scorul rămâne aproape de cel mai bun scor de aici (6.5 vs 6.6) și costă de aproximativ 34.1x mai puțin decât Step 3.7 Flash (high).

Comparație detaliată

Metrică	Mercury 2.5 Mercury 2.5 high Lansare: 2026-09-08	Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29

Metrică	Mercury 2.5 Mercury 2.5 high Lansare: 2026-09-08	Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor	6.5	6.6
Rang	#208	#203
Fiabilitate	9.8	10.0
Consistență	8.7	8.5
Încercări	69/69	69/69
Teste corecte
Rată de trecere pe încercare	59.4%	58.0%
Teste instabile	4	4
Rulări totale	69	69
Cost per rezultat	0.362	12.267
Cost total	$0.044	$1.478
Preț de intrare	$0.040 / 1M	$0.200 / 1M
Preț de ieșire	$0.150 / 1M	$1.150 / 1M
Preț citire cache	$0.004 / 1M	$0.040 / 1M
Preț scriere cache	N/D	N/D
Total tokenuri de intrare	358,562	421,200
Tokenuri de ieșire	4,266	1,100,052
Tokenuri de raționament	189,410	0
Timp de răspuns (mediu)	7.62s	72.72s
Timp de răspuns (maxim)	80.30s	364.99s
Timp de răspuns (total)	175.36s	1672.53s
Parametri	~100B	198B în total (11B activi)
Disponibilitate	Închis	Sursă deschisă

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#208 Mercury 2.5

high

Cost: $0.001
Timp: 3.5s
Tokenuri: 2,447 tok

#203 Step 3.7 Flash

high

Cost: $0.007
Timp: 63.6s
Tokenuri: 6,030 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Sarcini agentice	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	3.9	9.6	0.0%	0		80.30s	238,494	864	18,265
Step 3.7 Flash	5.4	9.6	0.0%	0		130.38s	322,500	49,152	0

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	10.0	10.0	100.0%	0		1.33s	782	218	7,913
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	6.4	5.8	66.7%	1		16.00s	91,255	1,478	62,200
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	10.0	10.0	100.0%	0		3.08s	8,355	557	9,430
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	2.9	7.2	11.1%	1		4.86s	857	78	22,452
Step 3.7 Flash	3.6	7.2	22.2%	1		189.35s	792	429,007	0

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	5.0	10.0	0.0%	0		2.69s	528	93	3,609
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	6.5	10.0	50.0%	0		934ms	401	27	1,770
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	8.7	7.7	88.9%	1		1.39s	771	227	5,812
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	10.0	10.0	100.0%	0		3.06s	9,130	283	4,484
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Mercury 2.5	3.0	10.0	0.0%	0		5.48s	232	26	9,463
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Schimbă perechea de comparație

Mercury 2mediumvsStep 3.7 Flashhigh Mercury 2.5highvsGLM 5.3low KAT-Coder-Pro V2.5lowvsStep 3.7 Flashhigh Mercury 2.5highvsQwen3.6 35B A3Bmedium Mercury 2.5highvsGLM 5.1none Claude Sonnet 5.5mediumvsMercury 2.5high Mercury 2.5highvsGrok 4.3medium LongCat 2.0lowvsStep 3.7 Flashhigh Mercury 2.5highvsLaguna XS 2.1mediumDisponibil gratuit Qwen3.7 FlashmediumvsStep 3.7 Flashhigh Mercury 2.5highvsQwen3.5-122B-A10Bnone Claude Sonnet 5.5mediumvsStep 3.7 Flashhigh