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-Air V2.5

KAT-Coder-Air V2.5 (low) average score-এ এগিয়ে: 5.4 vs 4.6. Mercury 2-এর benchmark খরচ কম: $0.030 vs $0.041. Mercury 2 দ্রুত: 829ms vs 10.09s, pass rates 22.7% vs 45.5%.

প্রস্তাবিত মডেলKAT-Coder-Air V2.5 (low)It has the strongest score in this comparison (5.4) and the best overall balance of cost and response time across all 2 models.

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

মেট্রিক Mercury 2 Mercury 2 none প্রকাশ: 2026-02-24 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low প্রকাশ: 2026-07-14
স্কোর 4.6 5.4
র‍্যাঙ্ক #185 #154
নির্ভরযোগ্যতা 10.0 9.9
ধারাবাহিকতা 9.2 7.4
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 22.7% 45.5%
অস্থির টেস্ট 2 7
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.734 0.585
মোট খরচ $0.030 $0.041
ইনপুট মূল্য $0.250 / 1M $0.150 / 1M
আউটপুট মূল্য $0.750 / 1M $0.600 / 1M
মোট ইনপুট টোকেন 88,704 61,085
আউটপুট টোকেন 9,564 5,905
রিজনিং টোকেন 0 46,990
প্রতিক্রিয়া সময় (গড়) 829ms 10.09s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 4.52s 86.23s
প্রতিক্রিয়া সময় (মোট) 18.24s 222.03s

Hamster playing table tennis

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

#185 Mercury 2

none
খরচ
$0.002
সময়
1.8s
টোকেন
1,514 tok

#154 KAT-Coder-Air V2.5

low
খরচ
$0.004
সময়
29.9s
টোকেন
6,008 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 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
KAT-Coder-Air V2.5 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623

দ্রুত তুলনা

তুলনার জুটি বদলান