AI BENCHY Compare
Inception: Mercury 2 vs MoonshotAI: Kimi K2.5
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-05
| Metrik | Inception: Mercury 2 none Rilis: 2026-02-24 | MoonshotAI: Kimi K2.5 none Rilis: 2026-01-27 |
|---|---|---|
| Peringkat | #50 | #48 |
| Skor Rata-rata | 34 | 37 |
| Konsistensi | 89 | 85 |
| Biaya per hasil | 0.147 | 0.359 |
| Total Biaya | $0.006 | $0.015 |
| Tes benar | ||
| Tingkat lulus per percobaan | 33.3% | 35.6% |
| Tes tidak stabil | 2 | 3 |
| Token output | 1,144 | 1,924 |
| Token penalaran | 0 | 0 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 274 | 0 | |
| MoonshotAI: Kimi K2.5 | 27 | 79 | 11.1% | 1 | 363 | 0 |
| Gabungan | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 131 | 0 | |
| MoonshotAI: Kimi K2.5 | 100 | 21 | 33.3% | 1 | 748 | 0 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 180 | 0 | |
| MoonshotAI: Kimi K2.5 | 54 | 58 | 83.3% | 1 | 187 | 0 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 40 | 72 | 44.4% | 1 | 46 | 0 | |
| MoonshotAI: Kimi K2.5 | 40 | 100 | 33.3% | 0 | 29 | 0 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 82 | 0 | |
| MoonshotAI: Kimi K2.5 | 55 | 100 | 50.0% | 0 | 60 | 0 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 234 | 0 | |
| MoonshotAI: Kimi K2.5 | 100 | 100 | 0.0% | 0 | 317 | 0 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 197 | 0 | |
| MoonshotAI: Kimi K2.5 | 100 | 100 | 100.0% | 0 | 220 | 0 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Mercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumKimi K2.5nonevsQwen3 Coder NextmediumKimi K2.5nonevsGLM 4.7 FlashmediumMiniMax M2.5mediumvsKimi K2.5noneMercury 2nonevsMiniMax M2.5mediumKimi K2.5nonevsgpt-oss-120bmediumTersedia gratisMercury 2mediumvsKimi K2.5noneMercury 2nonevsgpt-oss-120bmediumTersedia gratisKimi K2.5nonevsGPT-5 NanomediumKimi K2.5nonevsQwen3.5-35B-A3BmediumMercury 2nonevsGPT-5 Nanomedium