नेव्हिगेशन
AI BENCHY
Advertise here

Inception: Mercury 2 vs Kwaipilot: KAT-Coder-Air V2.5

KAT-Coder-Air V2.5 (low) average score मध्ये पुढे आहे: 5.4 vs 4.6. Mercury 2 चा benchmark खर्च कमी आहे: $0.030 vs $0.041. Mercury 2 वेगवान आहे: 829ms vs 10.09s, pass rates 22.7% vs 45.5%.

शिफारस केलेले मॉडेलKAT-Coder-Air V2.5 (low)It has the strongest score in this comparison (5.4) and the best overall balance of cost and response time across all 2 models.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-18

मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low प्रकाशन: 2026-07-14
स्कोअर 4.6 5.4
क्रमांक #185 #154
विश्वसनीयता 10.0 9.9
सुसंगतता 9.2 7.4
बरोबर चाचण्या
प्रति प्रयत्न पास दर 22.7% 45.5%
अस्थिर चाचण्या 2 7
एकूण रन 66 66
प्रति निकाल खर्च 0.734 0.585
एकूण खर्च $0.030 $0.041
इनपुट किंमत $0.250 / 1M $0.150 / 1M
आउटपुट किंमत $0.750 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 88,704 61,085
आउटपुट टोकन्स 9,564 5,905
रिझनिंग टोकन्स 0 46,990
प्रतिसाद वेळ (सरासरी) 829ms 10.09s
प्रतिसाद वेळ (कमाल) 4.52s 86.23s
प्रतिसाद वेळ (एकूण) 18.24s 222.03s

Hamster playing table tennis

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

#185 Mercury 2

none
खर्च
$0.002
वेळ
1.8s
टोकन्स
1,514 tok

#154 KAT-Coder-Air V2.5

low
खर्च
$0.004
वेळ
29.9s
टोकन्स
6,008 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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0
KAT-Coder-Air V2.5 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623

झटपट तुलना

तुलना जोडी बदला