নেভিগেশন
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Seed-2.0-Code vs Mercury 2.5 (low)

Seed-2.0-Code average score-এ এগিয়ে: 5.3 vs 5.1. Mercury 2.5 (low)-এর benchmark খরচ কম: $0.011 vs $0.151. Mercury 2.5 (low) দ্রুত: 1.35s vs 14.67s, pass rates 36.4% vs 39.4%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-09-24

তুলনা করা মডেল

র‍্যাঙ্ক
#288
মোট আউটপুট টোকেন
23,433
প্রতিক্রিয়া সময় (গড়)
14.67s
মোট খরচ
$0.151
র‍্যাঙ্ক
#300
মোট আউটপুট টোকেন
33,719
প্রতিক্রিয়া সময় (গড়)
1.35s
মোট খরচ
$0.011
প্রস্তাবিত মডেল Mercury 2.5 (low)

Its score stays close to the best score here (5.1 vs 5.3), while costing about 14.2x less than Seed-2.0-Code.

বিস্তারিত তুলনা

মেট্রিক Seed-2.0-Code Seed-2.0-Code none প্রকাশ: 2026-08-12 Mercury 2.5 Mercury 2.5 low প্রকাশ: 2026-09-08
স্কোর 5.3 5.1
র‍্যাঙ্ক #288 #300
নির্ভরযোগ্যতা 8.6 9.8
ধারাবাহিকতা 8.1 8.1
প্রচেষ্টা 66/66 66/66
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 36.4% 39.4%
অস্থির টেস্ট 5 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 2.503 0.177
মোট খরচ $0.151 $0.011
ইনপুট মূল্য $0.500 / 1M $0.040 / 1M
আউটপুট মূল্য $3.000 / 1M $0.150 / 1M
মোট ইনপুট টোকেন 159,749 138,020
আউটপুট টোকেন 23,433 6,083
রিজনিং টোকেন 0 27,636
প্রতিক্রিয়া সময় (গড়) 14.67s 1.35s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 132.84s 7.48s
প্রতিক্রিয়া সময় (মোট) 322.71s 29.74s
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.

#288 Seed-2.0-Code

none
খরচ
$0.030
সময়
140.6s
টোকেন
9,924 tok

#300 Mercury 2.5

low
খরচ
$0.001
সময়
2.4s
টোকেন
1,236 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 3.6 9.8 0.0% 0 13.42s 7,230 505 0
Mercury 2.5 5.5 10.0 33.3% 0 972ms 7,909 521 2,269

দ্রুত তুলনা

তুলনার জুটি বদলান