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

Mercury 2.5 (low) vs KAT Coder AIR V2.5 (high)

KAT Coder AIR V2.5 (high) average score में आगे है: 5.2 vs 5.1. Mercury 2.5 (low) की benchmark लागत कम है: $0.020 vs $0.077. Mercury 2.5 (low) तेज है: 3.34s vs 15.23s, pass rates 37.7% vs 40.6%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-13

तुलना किए गए मॉडल

रैंक
#391
कुल आउटपुट टोकन
40,302
प्रतिक्रिया समय (औसत)
3.34s
कुल लागत
$0.020
रैंक
#386
कुल आउटपुट टोकन
114,654
प्रतिक्रिया समय (औसत)
15.23s
कुल लागत
$0.077
अनुशंसित मॉडल Mercury 2.5 (low)

Its score stays close to the best score here (5.1 vs 5.2), while costing about 4.0x less than KAT Coder AIR V2.5 (high).

विस्तृत तुलना

मेट्रिक Mercury 2.5 Mercury 2.5 low रिलीज़: 2026-09-08 KAT Coder AIR V2.5 KAT Coder AIR V2.5 high रिलीज़: 2026-07-14
स्कोर 5.1 5.2
रैंक #391 #386
विश्वसनीयता 9.8 9.8
संगति 8.2 8.2
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 37.7% 40.6%
अस्थिर टेस्ट 5 5
कुल रन 69 69
प्रति परिणाम लागत 0.319 1.091
कुल लागत $0.020 $0.077
इनपुट कीमत $0.040 / 1M $0.150 / 1M
आउटपुट कीमत $0.150 / 1M $0.600 / 1M
कैश पढ़ने की कीमत $0.004 / 1M लागू नहीं
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 326,083 50,423
आउटपुट टोकन 7,224 4,144
रीजनिंग टोकन 33,078 110,510
प्रतिक्रिया समय (औसत) 3.34s 15.23s
प्रतिक्रिया समय (अधिकतम) 47.06s 118.35s
प्रतिक्रिया समय (कुल) 76.80s 350.26s
पैरामीटर ~100B ~35B कुल (~3B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#391 Mercury 2.5

low
लागत
$0.001
समय
2.4s
टोकन
1,236 tok

#386 KAT Coder AIR V2.5

high
Reached the allocated time limit (300 seconds) without receiving showcase output.
लागत
$0.000
समय
300.0s
टोकन
0 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Mercury 2.5 5.5 10.0 33.3% 0 972ms 7,909 521 2,269
KAT Coder AIR V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883

तुलना जोड़ी बदलें