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

Inception: Mercury 2 vs Kwaipilot: KAT-Coder-Pro V2.5

KAT-Coder-Pro V2.5 (high) average score-এ এগিয়ে: 7.2 vs 7.0. Mercury 2 (medium)-এর benchmark খরচ কম: $0.093 vs $0.482. Mercury 2 (medium) দ্রুত: 2.72s vs 20.83s, pass rates 51.5% vs 63.6%.

প্রস্তাবিত মডেলMercury 2 (medium)Its score stays close to the best score here (7.0 vs 7.2), while costing about 5.2x less than KAT-Coder-Pro V2.5 (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-20

মেট্রিক Mercury 2 Mercury 2 medium প্রকাশ: 2026-02-24 KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high প্রকাশ: 2026-07-14
স্কোর 7.0 7.2
র‍্যাঙ্ক #78 #69
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 7.8
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 51.5% 63.6%
অস্থির টেস্ট 3 6
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.928 4.378
মোট খরচ $0.093 $0.482
ইনপুট মূল্য $0.250 / 1M $0.740 / 1M
আউটপুট মূল্য $0.750 / 1M $2.960 / 1M
মোট ইনপুট টোকেন 109,572 106,076
আউটপুট টোকেন 10,313 9,071
রিজনিং টোকেন 76,806 127,093
প্রতিক্রিয়া সময় (গড়) 2.72s 20.83s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 14.63s 199.97s
প্রতিক্রিয়া সময় (মোট) 57.12s 458.31s

Hamster playing table tennis

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

#78 Mercury 2

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

#69 KAT-Coder-Pro V2.5

high
খরচ
$0.009
সময়
26.4s
টোকেন
3,117 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
Mercury 2 8.2 7.7 77.8% 1 2.04s 7,065 296 11,328
KAT-Coder-Pro V2.5 6.4 7.9 44.4% 1 22.00s 7,893 422 20,461

দ্রুত তুলনা

তুলনার জুটি বদলান