Mercury 2 (medium) vs Qwen3.7 Flash (medium)

Средний балл практически равен: 6.6 vs 6.6. Qwen3.7 Flash (medium) имеет более низкую стоимость benchmark: $0.076 vs $0.121. Mercury 2 (medium) быстрее: 4.40s vs 51.80s, с долей успешных попыток 53.6% vs 62.3%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-17

Сравниваемые модели

Ранг: #218
Общее число выходных токенов: 96,943
Время ответа (среднее): 4.40s
Общая стоимость: $0.121

Ранг: #216
Общее число выходных токенов: 514,925
Время ответа (среднее): 51.80s
Общая стоимость: $0.076

Рекомендуемая модель Mercury 2 (medium)

Здесь у него лучший балл (6.6), и он отвечает примерно в 11.8 раза быстрее, чем Qwen3.7 Flash (medium).

Подробное сравнение

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Qwen3.7 Flash Qwen3.7 Flash medium Релиз: 2026-07-28

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Qwen3.7 Flash Qwen3.7 Flash medium Релиз: 2026-07-28
Оценка	6.6	6.6
Ранг	#218	#216
Надежность	10.0	10.0
Стабильность	8.1	7.3
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	53.6%	62.3%
Нестабильные тесты	5	8
Всего запусков	69	69
Стоимость за результат	1.201	0.760
Общая стоимость	$0.121	$0.076
Цена входа	$0.250 / 1M	$0.030 / 1M
Цена выхода	$0.750 / 1M	$0.130 / 1M
Цена чтения из кэша	$0.025 / 1M	$0.006 / 1M
Цена записи в кэш	Н/Д	$0.039 / 1M
Общее число входных токенов	189,300	300,394
Выходные токены	10,854	14,081
Токены рассуждений	86,089	500,844
Время ответа (среднее)	4.40s	51.80s
Время ответа (макс.)	34.92s	593.64s
Время ответа (суммарно)	96.81s	1191.42s
Параметры	~100B	~35B всего (~3B активных)
Доступность	Закрытая модель	Закрытая модель

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.

#218 Mercury 2

medium

Стоимость: $0.002
Время: 2.1s
Токены: 1,702 tok

#216 Qwen3.7 Flash

medium

Reached the allocated time limit (600 seconds) without receiving showcase output.

Стоимость: $0.000
Время: 600.0s
Токены: 0 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	4.7	1.6	66.7%	1		34.92s	78,785	529	8,860
Qwen3.7 Flash	5.2	3.2	33.3%	1		148.99s	185,917	1,295	43,554

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	6.9	9.9	50.0%	0		1.12s	554	2,546	2,609
Qwen3.7 Flash	10.0	10.0	100.0%	0		9.56s	672	525	12,844

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
Qwen3.7 Flash	6.2	6.9	55.6%	1		46.78s	7,893	563	61,902

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
Qwen3.7 Flash	6.4	5.8	66.7%	1		314.17s	87,042	10,432	296,919

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
Qwen3.7 Flash	10.0	10.0	100.0%	0		15.42s	7,782	270	11,588

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	2.9	4.4	22.2%	2		8.06s	1,638	53	31,177
Qwen3.7 Flash	2.9	7.2	11.1%	1		38.02s	780	59	38,977

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	4.8	10.0	0.0%	0		821ms	456	137	542
Qwen3.7 Flash	5.5	10.0	0.0%	0		10.18s	516	143	3,647

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.07s	340	14	958
Qwen3.7 Flash	5.8	2.7	66.7%	2		9.27s	699	100	7,457

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	5.4	10.0	33.3%	0		949ms	601	361	2,781
Qwen3.7 Flash	7.1	5.1	77.8%	2		8.30s	696	355	9,138

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
Qwen3.7 Flash	10.0	10.0	100.0%	0		7.80s	8,193	309	2,171

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mercury 2	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Qwen3.7 Flash	3.0	10.0	0.0%	0		29.17s	204	30	12,647

Сменить пару сравнения

Mercury 2mediumvsStep 3.7 Flashhigh LongCat 2.0lowvsQwen3.7 Flashmedium Qwen3.7 FlashmediumvsGLM 5.2none Mercury 2mediumvsLongCat 2.0low Mercury 2mediumvsKAT-Coder-Pro V2.5low GPT-5.5nonevsQwen3.7 Flashmedium Qwen3.7 FlashmediumvsGLM 5.3 Flashlow Qwen3.7 FlashmediumvsStep 3.7 Flashhigh Mercury 2mediumvsGLM 5.2none KAT-Coder-Pro V2.5lowvsQwen3.7 Flashmedium Apodex 1.1 MinihighБесплатно доступноvsQwen3.7 Flashmedium Mercury 2mediumvsGPT-5.5none