Mercury 2 (medium) vs Step 3.7 Flash (low)

Step 3.7 Flash (low) лидирует по среднему баллу: 7.3 vs 7.0. Mercury 2 (medium) имеет более низкую стоимость benchmark: $0.093 vs $0.454. Mercury 2 (medium) быстрее: 2.72s vs 20.68s, с долей успешных попыток 51.5% vs 68.2%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-25

Ранг: #86
Общее число выходных токенов: 87,119
Время ответа (среднее): 2.72s
Общая стоимость: $0.093

Ранг: #75
Общее число выходных токенов: 376,581
Время ответа (среднее): 20.68s
Общая стоимость: $0.454

Рекомендуемая модель Mercury 2 (medium)

Его балл близок к лучшему здесь (7.0 против 7.3), при этом он примерно в 4.9 раза дешевле, чем Step 3.7 Flash (low).

Подробное сравнение

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	Mercury 2 Mercury 2 medium Релиз: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.0	7.3
Ранг	#86	#75
Надежность	10.0	10.0
Стабильность	8.8	8.1
Тестов верно
Доля успешных попыток	51.5%	68.2%
Нестабильные тесты	3	5
Всего запусков	66	66
Стоимость за результат	0.928	3.782
Общая стоимость	$0.093	$0.454
Цена входа	$0.250 / 1M	$0.200 / 1M
Цена выхода	$0.750 / 1M	$1.150 / 1M
Общее число входных токенов	109,572	103,833
Выходные токены	10,313	376,581
Токены рассуждений	76,806	0
Время ответа (среднее)	2.72s	20.68s
Время ответа (макс.)	14.63s	124.75s
Время ответа (суммарно)	57.12s	455.01s

Hamster playing table tennis

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

#86 Mercury 2

medium

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

#75 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:

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
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	8.2	7.7	77.8%	1		2.04s	7,065	296	11,328
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	6.7	9.1	50.0%	0		7.84s	87,365	6,533	20,474
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	7.3	5.9	83.3%	1		1.11s	6,234	183	1,656
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	2.9	7.2	11.1%	1		6.48s	695	41	30,754
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

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
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	10.0	10.0	100.0%	0		1.07s	340	14	958
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	5.4	10.0	33.3%	0		949ms	601	361	2,781
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	10.0	10.0	100.0%	0		1.89s	6,080	180	1,956
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	3.0	10.0	0.0%	0		2.58s	182	22	3,748
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Быстрое сравнение

Сменить пару сравнения

Gemini 3.5 FlashnonevsMercury 2medium Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow DeepSeek V4 PrononevsMercury 2medium Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow Mercury 2mediumvsGPT-5.6 Solnone Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow