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

Step 3.7 Flash (high) лидирует по среднему баллу: 6.6 vs 6.5. Mercury 2.5 Preview (high) имеет более низкую стоимость benchmark: $0.040 vs $1.478. Mercury 2.5 Preview (high) быстрее: 7.61s vs 72.72s, с долей успешных попыток 65.2% vs 58.0%.

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

Сравниваемые модели

Ранг: #207
Общее число выходных токенов: 180,597
Время ответа (среднее): 7.61s
Общая стоимость: $0.040

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

Рекомендуемая модель Mercury 2.5 Preview (high)

Его балл близок к лучшему здесь (6.5 против 6.6), при этом он примерно в 37.9 раза дешевле, чем Step 3.7 Flash (high).

Подробное сравнение

Метрика	Mercury 2.5 Preview Mercury 2.5 Preview high Релиз: 2026-09-02	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	Mercury 2.5 Preview Mercury 2.5 Preview high Релиз: 2026-09-02	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	6.5	6.6
Ранг	#207	#203
Надежность	9.9	10.0
Стабильность	8.0	8.5
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	65.2%	58.0%
Нестабильные тесты	6	4
Всего запусков	69	69
Стоимость за результат	0.319	12.267
Общая стоимость	$0.040	$1.478
Цена входа	$0.040 / 1M	$0.200 / 1M
Цена выхода	$0.150 / 1M	$1.150 / 1M
Цена чтения из кэша	Н/Д	$0.040 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	298,512	421,200
Выходные токены	3,178	1,100,052
Токены рассуждений	177,419	0
Время ответа (среднее)	7.61s	72.72s
Время ответа (макс.)	86.84s	364.99s
Время ответа (суммарно)	175.08s	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.

#207 Mercury 2.5 Preview

high

Стоимость: $0.001
Время: 4.5s
Токены: 3,851 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 Preview	6.1	3.1	66.7%	1		86.84s	182,753	616	16,476
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 Preview	10.0	10.0	100.0%	0		1.09s	785	181	7,008
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 Preview	6.7	7.8	55.6%	1		6.13s	7,751	485	42,569
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 Preview	3.8	1.6	50.0%	2		14.36s	95,789	765	54,789
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 Preview	10.0	10.0	100.0%	0		2.24s	8,292	560	8,522
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 Preview	2.9	4.4	22.2%	2		5.68s	857	67	25,958
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 Preview	5.1	10.0	0.0%	0		1.88s	542	94	3,300
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 Preview	9.8	10.0	100.0%	0		1.05s	741	94	3,777
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 Preview	10.0	10.0	100.0%	0		1.21s	774	292	6,066
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 Preview	3.0	10.0	0.0%	0		2.25s	0	0	0
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 Preview	3.0	10.0	0.0%	0		5.41s	228	24	8,954
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 2.5 PreviewhighvsQwen3.6 35B A3Bmedium KAT-Coder-Pro V2.5lowvsStep 3.7 Flashhigh Mercury 2.5 PreviewhighvsGLM 5.3low Claude Sonnet 5.5mediumvsMercury 2.5 Previewhigh LongCat 2.0lowvsStep 3.7 Flashhigh Mercury 2.5 PreviewhighvsGLM 5.1none Mercury 2.5 PreviewhighvsGrok 4.3medium Qwen3.7 FlashmediumvsStep 3.7 Flashhigh Mercury 2.5 PreviewhighvsLaguna XS 2.1mediumБесплатно доступно Claude Sonnet 5.5mediumvsStep 3.7 Flashhigh Mercury 2.5 PreviewhighvsKAT-Coder-Pro V2.5low