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

Step 3.7 Flash (low) лидирует по среднему баллу: 7.2 vs 6.5. Mercury 2.5 (high) имеет более низкую стоимость benchmark: $0.044 vs $0.449. Mercury 2.5 (high) быстрее: 7.62s vs 20.72s, с долей успешных попыток 59.4% vs 63.8%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-24

Сравниваемые модели

Ранг: #234
Общее число выходных токенов: 193,676
Время ответа (среднее): 7.62s
Общая стоимость: $0.044

Ранг: #179
Общее число выходных токенов: 339,108
Время ответа (среднее): 20.72s
Общая стоимость: $0.449

Рекомендуемая модель Mercury 2.5 (high)

Его балл близок к лучшему здесь (6.5 против 7.2), при этом он примерно в 10.3 раза дешевле, чем Step 3.7 Flash (low).

Подробное сравнение

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

Метрика	Mercury 2.5 Mercury 2.5 high Релиз: 2026-09-08	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	6.5	7.2
Ранг	#234	#179
Надежность	9.8	10.0
Стабильность	8.7	7.9
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	59.4%	63.8%
Нестабильные тесты	4	6
Всего запусков	69	69
Стоимость за результат	0.362	4.078
Общая стоимость	$0.044	$0.449
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	292,685
Выходные токены	4,266	339,108
Токены рассуждений	189,410	0
Время ответа (среднее)	7.62s	20.72s
Время ответа (макс.)	80.30s	124.75s
Время ответа (суммарно)	175.36s	476.67s
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.

#234 Mercury 2.5

high

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

#179 Step 3.7 Flash

low

Неверный SVG

Стоимость: $0.004
Время: 25.3s
Токены: 3,072 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	7.4	3.8	66.7%	1		83.63s	188,843	18,715	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	8.7	7.9	91.7%	1		4.02s	756	10,896	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	8.2	7.2	88.9%	1		9.46s	7,437	18,685	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	7.3	5.8	83.3%	1		66.18s	77,415	93,682	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	7.3	5.8	83.3%	1		2.29s	7,398	2,667	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	2.9	7.2	11.1%	1		22.65s	837	48,299	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	3.4	9.3	0.0%	0		7.00s	525	4,604	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		1.58s	735	1,857	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	5.5	9.9	33.3%	0		1.84s	756	3,564	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		3.25s	7,746	1,360	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		124.75s	237	134,779	0

Сменить пару сравнения

Mercury 2.5highvsBeam 1.0 501B A23Bxhigh Step 3.7 FlashlowvsGLM 5medium LongCat 2.0mediumvsStep 3.7 Flashlow Mercury 2.5highvsGLM 5.3low Qwen3.6 27BmediumvsStep 3.7 Flashlow Mercury 2.5highvsQwen3.6 35B A3Bmedium Mercury 2.5highvsGLM 5.1none Qwen3.7 FlashhighvsStep 3.7 Flashlow Claude Opus 5nonevsStep 3.7 Flashlow Claude Sonnet 5.5mediumvsMercury 2.5high Mercury 2.5highvsGrok 4.3medium Mercury 2.5highvsLaguna XS 2.1mediumБесплатно доступно