নেভিগেশন
AI BENCHY
Advertise here

Mercury 2 vs KAT-Coder-Air V2.5

KAT-Coder-Air V2.5 average score-এ এগিয়ে: 4.8 vs 4.7. Mercury 2-এর benchmark খরচ কম: $0.030 vs $0.070. Mercury 2 দ্রুত: 825ms vs 12.46s, pass rates 24.2% vs 36.4%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-08-26

র‍্যাঙ্ক
#264
মোট আউটপুট টোকেন
9,584
প্রতিক্রিয়া সময় (গড়)
825ms
মোট খরচ
$0.030
র‍্যাঙ্ক
#257
মোট আউটপুট টোকেন
97,752
প্রতিক্রিয়া সময় (গড়)
12.46s
মোট খরচ
$0.070
প্রস্তাবিত মডেল Mercury 2

Its score stays close to the best score here (4.7 vs 4.8), while costing about 2.3x less than KAT-Coder-Air V2.5.

বিস্তারিত তুলনা

মেট্রিক Mercury 2 Mercury 2 none প্রকাশ: 2026-02-24 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 none প্রকাশ: 2026-07-14
স্কোর 4.7 4.8
র‍্যাঙ্ক #264 #257
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.2 7.2
প্রচেষ্টা 66/66 66/66
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 24.2% 36.4%
অস্থির টেস্ট 2 7
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.740 1.382
মোট খরচ $0.030 $0.070
ইনপুট মূল্য $0.250 / 1M $0.150 / 1M
আউটপুট মূল্য $0.750 / 1M $0.600 / 1M
মোট ইনপুট টোকেন 89,637 69,376
আউটপুট টোকেন 9,584 97,752
রিজনিং টোকেন 0 0
প্রতিক্রিয়া সময় (গড়) 825ms 12.46s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 4.52s 121.05s
প্রতিক্রিয়া সময় (মোট) 18.14s 274.11s
প্যারামিটার ~100B ~35B মোট (~3B সক্রিয়)
উপলভ্যতা বন্ধ উৎস বন্ধ উৎস

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#264 Mercury 2

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

#257 KAT-Coder-Air V2.5

none
খরচ
$0.002
সময়
14.5s
টোকেন
2,619 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 3.3 9.6 0.0% 0 14.31s 6,472 16,918 0

দ্রুত তুলনা

তুলনার জুটি বদলান