Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Inception: Mercury 2 vs StepFun: Step 3.5 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-11

Metrică Mercury 2 Mercury 2 none Lansare: 2026-02-24 Step 3.5 Flash Step 3.5 Flash none Lansare: 2026-02-01
Scor 4.8 3.0
Rang #85 #93
Consistență 9.0 10.0
Teste corecte
Rată de trecere pe încercare 27.8% 0.0%
Teste instabile 2 0
Rulări totale 54 3
Cost per rezultat 0.165 0.000
Cost total $0.007 $0.000
Preț de intrare $0.250 / 1M $0.100 / 1M
Preț de ieșire $0.750 / 1M $0.300 / 1M
Tokenuri de ieșire 1,625 0
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 613ms 0ms
Timp de răspuns (maxim) 1.27s 0ms
Timp de răspuns (total) 11.04s 0ms

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

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.0 10.0 0.0% 0 483ms 286 0
Step 3.5 Flash - - - - - - - -
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.6 8.9 0.0% 0 969ms 310 0
Step 3.5 Flash 3.0 10.0 0.0% 0 0ms 0 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.0 10.0 0.0% 0 606ms 131 0
Step 3.5 Flash - - - - - - - -
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 7.3 5.9 83.3% 1 667ms 180 0
Step 3.5 Flash - - - - - - - -
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 5.3 7.2 44.4% 1 534ms 46 0
Step 3.5 Flash - - - - - - - -
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 4.8 10.0 0.0% 0 628ms 159 0
Step 3.5 Flash - - - - - - - -
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 6.5 10.0 50.0% 0 551ms 82 0
Step 3.5 Flash - - - - - - - -
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 3.1 10.0 0.0% 0 533ms 234 0
Step 3.5 Flash - - - - - - - -
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mercury 2 10.0 10.0 100.0% 0 1.27s 197 0
Step 3.5 Flash - - - - - - - -

Comparație rapidă

Schimbă perechea de comparație

Mercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumMercury 2nonevsQwen3.5-9BmediumMercury 2nonevsMiniMax M2.7mediumMercury 2nonevsMistral Small 4mediumMercury 2nonevsMiniMax M2.5mediumDisponibil gratuitMercury 2nonevsgpt-oss-120bmediumDisponibil gratuitQwen3.5-9BmediumvsStep 3.5 FlashnoneMercury 2nonevsGPT-5 NanomediumStep 3.5 FlashnonevsGLM 4.7 FlashmediumQwen3 Coder NextmediumvsStep 3.5 FlashnoneMercury 2nonevsGrok 4.1 Fastmedium