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

Step 3.7 Flash (high) лидирует по среднему баллу: 6.6 vs 6.5. Mercury 2.5 (high) имеет более низкую стоимость benchmark: $0.044 vs $1.478. Mercury 2.5 (high) быстрее: 7.62s vs 72.72s, с долей успешных попыток 59.4% vs 58.0%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-12

Сравниваемые модели

Ранг: #208
Общее число выходных токенов: 193,676
Время ответа (среднее): 7.62s
Общая стоимость: $0.044

Ранг: #203
Общее число выходных токенов: 1,100,052
Время ответа (среднее): 72.72s
Общая стоимость: $1.478

Рекомендуемая модель Mercury 2.5 (high)

Его балл близок к лучшему здесь (6.5 против 6.6), при этом он примерно в 34.1 раза дешевле, чем Step 3.7 Flash (high).

Подробное сравнение

Метрика	Mercury 2.5 Mercury 2.5 high Релиз: 2026-09-08	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	Mercury 2.5 Mercury 2.5 high Релиз: 2026-09-08	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	6.5	6.6
Ранг	#208	#203
Надежность	9.8	10.0
Стабильность	8.7	8.5
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	59.4%	58.0%
Нестабильные тесты	4	4
Всего запусков	69	69
Стоимость за результат	0.362	12.267
Общая стоимость	$0.044	$1.478
Цена входа	$0.040 / 1M	$0.200 / 1M
Цена выхода	$0.150 / 1M	$1.150 / 1M
Цена чтения из кэша	$0.004 / 1M	$0.040 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	358,562	421,200
Выходные токены	4,266	1,100,052
Токены рассуждений	189,410	0
Время ответа (среднее)	7.62s	72.72s
Время ответа (макс.)	80.30s	364.99s
Время ответа (суммарно)	175.36s	1672.53s
Параметры	~100B	198B всего (11B активных)
Доступность	Закрытая модель	Открытый исходный код

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#208 Mercury 2.5

high

Стоимость: $0.001
Время: 3.5s
Токены: 2,447 tok

#203 Step 3.7 Flash

high

Стоимость: $0.007
Время: 63.6s
Токены: 6,030 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Сменить пару сравнения

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 2.1mediumБесплатно доступно Qwen3.7 FlashmediumvsStep 3.7 Flashhigh Mercury 2.5highvsQwen3.5-122B-A10Bnone Claude Sonnet 5.5mediumvsStep 3.7 Flashhigh