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

ByteDance Seed: Seed-2.0-Mini vs Inception: Mercury 2

average score প্রায় সমান: 7.0 vs 7.0. Mercury 2 (medium)-এর benchmark খরচ কম: $0.093 vs $0.101. Mercury 2 (medium) দ্রুত: 2.72s vs 92.53s, pass rates 57.6% vs 51.5%.

প্রস্তাবিত মডেলMercury 2 (medium)It has the best score here (7.0), while responding about 34.0x faster than Seed-2.0-Mini (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-18

মেট্রিক Seed-2.0-Mini Seed-2.0-Mini medium প্রকাশ: 2026-02-14 Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24
স্কোর 7.0 7.0
র‍্যাঙ্ক #79 #77
নির্ভরযোগ্যতা 8.5 10.0
ধারাবাহিকতা 8.9 8.8
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 57.6% 51.5%
অস্থির টেস্ট 3 3
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.917 0.928
মোট খরচ $0.101 $0.093
ইনপুট মূল্য $0.100 / 1M $0.250 / 1M
আউটপুট মূল্য $0.400 / 1M $0.750 / 1M
মোট ইনপুট টোকেন 125,467 109,572
আউটপুট টোকেন 10,778 10,313
রিজনিং টোকেন 209,856 76,806
প্রতিক্রিয়া সময় (গড়) 92.53s 2.72s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 301.78s 14.63s
প্রতিক্রিয়া সময় (মোট) 1665.50s 57.12s

Hamster playing table tennis

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

#79 Seed-2.0-Mini

medium
খরচ
$0.002
সময়
161.7s
টোকেন
4,379 tok

#77 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-Mini 5.5 9.8 33.3% 0 220.48s 3,823 464 34,964
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328

দ্রুত তুলনা

তুলনার জুটি বদলান