नेव्हिगेशन
AI BENCHY
Advertise here

Mercury 2 vs KAT-Coder-Air V2.5

KAT-Coder-Air V2.5 average score मध्ये पुढे आहे: 4.8 vs 4.7. Mercury 2 चा benchmark खर्च कमी आहे: $0.030 vs $0.070. Mercury 2 वेगवान आहे: 825ms vs 12.46s, pass rates 24.2% vs 36.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-08-26

क्रमांक
#264
एकूण आउटपुट टोकन्स
9,584
प्रतिसाद वेळ (सरासरी)
825ms
एकूण खर्च
$0.030
क्रमांक
#257
एकूण आउटपुट टोकन्स
97,752
प्रतिसाद वेळ (सरासरी)
12.46s
एकूण खर्च
$0.070
शिफारस केलेले मॉडेल Mercury 2

Its score stays close to the best score here (4.7 vs 4.8), while costing about 2.3x less than KAT-Coder-Air V2.5.

तपशीलवार तुलना

मेट्रिक Mercury 2 Mercury 2 none प्रकाशन: 2026-02-24 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 none प्रकाशन: 2026-07-14
स्कोअर 4.7 4.8
क्रमांक #264 #257
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 7.2
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 24.2% 36.4%
अस्थिर चाचण्या 2 7
एकूण रन 66 66
प्रति निकाल खर्च 0.740 1.382
एकूण खर्च $0.030 $0.070
इनपुट किंमत $0.250 / 1M $0.150 / 1M
आउटपुट किंमत $0.750 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 89,637 69,376
आउटपुट टोकन्स 9,584 97,752
रिझनिंग टोकन्स 0 0
प्रतिसाद वेळ (सरासरी) 825ms 12.46s
प्रतिसाद वेळ (कमाल) 4.52s 121.05s
प्रतिसाद वेळ (एकूण) 18.14s 274.11s
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.

#264 Mercury 2

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

#257 KAT-Coder-Air V2.5

none
खर्च
$0.002
वेळ
14.5s
टोकन्स
2,619 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 3.3 9.6 0.0% 0 14.31s 6,472 16,918 0

झटपट तुलना

तुलना जोडी बदला

CobuddymediumvsMercury 2noneTrinity Large ThinkinghighvsKAT-Coder-Air V2.5noneKAT-Coder-Air V2.5nonevsNemotron 3.5 Lightninglowमोफत उपलब्धMercury 2nonevsQwen3 Coder NextmediumCobuddymediumvsKAT-Coder-Air V2.5noneMercury 2nonevsMiniMax M2.5mediumTrinity Large ThinkinghighvsMercury 2noneMercury 2nonevsNemotron 3.5 Lightninglowमोफत उपलब्धKAT-Coder-Air V2.5nonevsQwen3 Coder NextmediumKAT-Coder-Air V2.5nonevsMiniMax M2.5mediumKAT-Coder-Air V2.5nonevsLaguna S 2.1lowमोफत उपलब्धKAT-Coder-Air V2.5nonevsMiniMax M2.7medium