AI BENCHY तुलना
Inception: Mercury 2 vs MoonshotAI: Kimi K2.5
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | Inception: Mercury 2 medium रिलीज़: 2026-02-24 | MoonshotAI: Kimi K2.5 none रिलीज़: 2026-01-27 |
|---|---|---|
| रैंक | #35 | #48 |
| औसत स्कोर | 5.4 | 3.7 |
| सही परीक्षण | ||
| संगति | 8.3 | 8.5 |
| प्रति परिणाम लागत | 0.622 | 0.359 |
| कुल लागत | $0.044 | $0.015 |
| प्रति प्रयास पास दर | 57.8% | 35.6% |
| अस्थिर टेस्ट | 3 | 3 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन | 3,571 | 1,924 |
| रीजनिंग टोकन | 45,379 | 0 |
| प्रतिक्रिया समय (औसत) | 2.47s | 12.90s |
| प्रतिक्रिया समय (अधिकतम) | 14.63s | 42.13s |
| प्रतिक्रिया समय (कुल) | 34.56s | 103.17s |
प्रतिक्रिया समय (औसत)
स्कोर बनाम कुल लागत
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 7.3 | 9.8 | 66.7% | 0 | 1.30s | 2,531 | 2,410 | |
| MoonshotAI: Kimi K2.5 | 2.7 | 7.9 | 11.1% | 1 | 11.38s | 363 | 0 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 268 | 4,887 | |
| MoonshotAI: Kimi K2.5 | 10.0 | 2.1 | 33.3% | 1 | 19.16s | 748 | 0 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 5.5 | 5.9 | 83.3% | 1 | 1.11s | 183 | 1,656 | |
| MoonshotAI: Kimi K2.5 | 5.4 | 5.8 | 83.3% | 1 | 42.13s | 187 | 0 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 7.2 | 11.1% | 1 | 6.48s | 41 | 30,754 | |
| MoonshotAI: Kimi K2.5 | 4.0 | 10.0 | 33.3% | 0 | 4.38s | 29 | 0 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.07s | 14 | 958 | |
| MoonshotAI: Kimi K2.5 | 5.5 | 10.0 | 50.0% | 0 | 2.67s | 60 | 0 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 1.7 | 7.5 | 22.2% | 1 | 934ms | 354 | 2,758 | |
| MoonshotAI: Kimi K2.5 | 10.0 | 10.0 | 0.0% | 0 | 4.73s | 317 | 0 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 180 | 1,956 | |
| MoonshotAI: Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 13.99s | 220 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
Gemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneKimi K2.5nonevsQwen3 Coder NextmediumKimi K2.5nonevsGLM 4.7 FlashmediumMercury 2mediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-27BnoneMercury 2mediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsGPT-5.4noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneMiniMax M2.5mediumvsKimi K2.5none