নেভিগেশন
AI BENCHY
Advertise here

Seed-2.0-Code (high) vs Mercury 2 (medium)

Mercury 2 (medium) average score-এ এগিয়ে: 7.0 vs 6.9. Mercury 2 (medium)-এর benchmark খরচ কম: $0.094 vs $1.273. Mercury 2 (medium) দ্রুত: 2.95s vs 124.18s, pass rates 63.6% vs 53.0%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-08-15

র‍্যাঙ্ক
#125
মোট আউটপুট টোকেন
410,575
প্রতিক্রিয়া সময় (গড়)
124.18s
মোট খরচ
$1.273
র‍্যাঙ্ক
#119
মোট আউটপুট টোকেন
87,554
প্রতিক্রিয়া সময় (গড়)
2.95s
মোট খরচ
$0.094
প্রস্তাবিত মডেল Mercury 2 (medium)

It has the best score here (7.0), while costing about 13.6x less than Seed-2.0-Code (high).

বিস্তারিত তুলনা

মেট্রিক Seed-2.0-Code Seed-2.0-Code high প্রকাশ: 2026-08-12 Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24
স্কোর 6.9 7.0
র‍্যাঙ্ক #125 #119
নির্ভরযোগ্যতা 8.6 10.0
ধারাবাহিকতা 7.8 8.4
প্রচেষ্টা 66/66 66/66
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 63.6% 53.0%
অস্থির টেস্ট 5 4
মোট রান 66 66
প্রতি ফলাফলে খরচ 11.571 0.933
মোট খরচ $1.273 $0.094
ইনপুট মূল্য $0.500 / 1M $0.250 / 1M
আউটপুট মূল্য $3.000 / 1M $0.750 / 1M
মোট ইনপুট টোকেন 81,970 110,515
আউটপুট টোকেন 7,186 10,325
রিজনিং টোকেন 403,389 77,229
প্রতিক্রিয়া সময় (গড়) 124.18s 2.95s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 675.30s 14.63s
প্রতিক্রিয়া সময় (মোট) 2732.03s 61.89s
প্যারামিটার ~200B মোট (~20B সক্রিয়) ~100B
উপলভ্যতা বন্ধ উৎস বন্ধ উৎস

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#125 Seed-2.0-Code

high
খরচ
$0.037
সময়
183.6s
টোকেন
12,388 tok

#119 Mercury 2

medium
খরচ
$0.002
সময়
2.1s
টোকেন
1,702 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Seed-2.0-Code 6.2 6.5 55.6% 1 266.74s 6,750 432 124,956
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328

দ্রুত তুলনা

তুলনার জুটি বদলান