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

KAT Coder AIR V2.5 (medium) average score मध्ये पुढे आहे: 5.1 vs 5.0. Mercury 2.5 Preview (low) चा benchmark खर्च कमी आहे: $0.015 vs $0.048. Mercury 2.5 Preview (low) वेगवान आहे: 4.92s vs 8.32s, pass rates 44.9% vs 43.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #297
एकूण आउटपुट टोकन्स: 36,870
प्रतिसाद वेळ (सरासरी): 4.92s
एकूण खर्च: $0.015

क्रमांक: #294
एकूण आउटपुट टोकन्स: 66,576
प्रतिसाद वेळ (सरासरी): 8.32s
एकूण खर्च: $0.048

शिफारस केलेले मॉडेल Mercury 2.5 Preview (low)

Its score stays close to the best score here (5.0 vs 5.1), while costing about 3.3x less than KAT Coder AIR V2.5 (medium).

तपशीलवार तुलना

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview low प्रकाशन: 2026-09-02	KAT Coder AIR V2.5 KAT Coder AIR V2.5 medium प्रकाशन: 2026-07-14

मेट्रिक	Mercury 2.5 Preview Mercury 2.5 Preview low प्रकाशन: 2026-09-02	KAT Coder AIR V2.5 KAT Coder AIR V2.5 medium प्रकाशन: 2026-07-14
स्कोअर	5.0	5.1
क्रमांक	#297	#294
विश्वसनीयता	9.9	9.6
सुसंगतता	7.1	8.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	44.9%	43.5%
अस्थिर चाचण्या	8	3
एकूण रन	69	69
प्रति निकाल खर्च	0.244	0.596
एकूण खर्च	$0.015	$0.048
इनपुट किंमत	$0.000 / 1M	$0.000 / 1M
आउटपुट किंमत	$0.000 / 1M	$0.000 / 1M
एकूण इनपुट टोकन्स	235,438	51,369
आउटपुट टोकन्स	8,136	8,008
रिझनिंग टोकन्स	28,734	58,568
प्रतिसाद वेळ (सरासरी)	4.92s	8.32s
प्रतिसाद वेळ (कमाल)	84.47s	48.19s
प्रतिसाद वेळ (एकूण)	113.24s	191.40s
पॅरामीटर्स	~100B	~35B एकूण (~3B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#297 Mercury 2.5 Preview

low

खर्च: $0.001
वेळ: 1.5s
टोकन्स: 1,169 tok

#294 KAT Coder AIR V2.5

medium

खर्च: $0.003
वेळ: 23.7s
टोकन्स: 4,924 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	5.0	10.0	0.0%	0		84.47s	101,913	877	4,018
KAT Coder AIR V2.5	3.0	10.0	0.0%	0		1.05s	0	0	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	5.6	3.8	66.7%	3		759ms	786	290	3,019
KAT Coder AIR V2.5	8.7	8.0	91.7%	1		3.79s	672	549	4,194

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	5.5	10.0	33.3%	0		972ms	7,794	695	2,263
KAT Coder AIR V2.5	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.0	10.0	0.0%	0		4.77s	110,517	5,013	9,661
KAT Coder AIR V2.5	6.5	10.0	50.0%	0		19.56s	23,854	435	6,811

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	6.3	5.8	66.7%	1		1.12s	8,309	611	1,521
KAT Coder AIR V2.5	6.5	10.0	50.0%	0		3.65s	7,776	268	1,881

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	4.1	4.4	44.5%	2		836ms	849	45	2,247
KAT Coder AIR V2.5	3.0	10.0	0.0%	0		6.58s	668	673	4,670

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	5.0	10.0	0.0%	0		1.05s	540	105	749
KAT Coder AIR V2.5	5.0	10.0	0.0%	0		9.81s	516	189	557

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	6.3	10.0	50.0%	0		1.60s	745	99	1,492
KAT Coder AIR V2.5	10.0	10.0	100.0%	0		1.50s	699	93	730

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	8.2	7.2	88.9%	1		710ms	777	312	2,271
KAT Coder AIR V2.5	3.6	7.2	22.2%	1		1.87s	696	265	1,184

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	2.8	1.6	33.3%	1		1.57s	2,983	76	739
KAT Coder AIR V2.5	10.0	10.0	100.0%	0		4.77s	8,391	317	906

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mercury 2.5 Preview	3.0	10.0	0.0%	0		591ms	225	13	754
KAT Coder AIR V2.5	3.0	10.0	0.0%	0		15.74s	204	20	7,662

झटपट तुलना

तुलना जोडी बदला

Mercury 2.5lowvsKAT Coder AIR V2.5medium KAT Coder AIR V2.5mediumvsMiMo-V2.5-Pronone KAT Coder AIR V2.5mediumvsMistral Small 4none Mercury 2.5 PreviewlowvsLaguna S 2.1mediumमोफत उपलब्ध Mercury 2.5 PreviewlowvsMiniMax M2.7medium Dots 3 Note Previewnoneमोफत उपलब्धvsMercury 2.5 Previewlow Mercury 2.5 PreviewlowvsGPT-4o-mininone Mercury 2.5 PreviewlowvsMiMo-V2.5-Pronone KAT Coder AIR V2.5mediumvsNemotron 3.5 Lightninghighमोफत उपलब्ध Ling 3.0 FlashnonevsKAT Coder AIR V2.5medium Mercury 2.5 PreviewlowvsMistral Small 4none Mercury 2.5 PreviewlowvsMistral Small 4medium