Navigare
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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

KAT Coder AIR V2.5 (high) conduce la scorul mediu cu 5.2 vs 5.1. Mercury 2.5 (low) are costul de benchmark mai mic, $0.020 vs $0.077. Mercury 2.5 (low) este mai rapid cu 3.34s vs 15.23s, cu rate de reușită de 37.7% vs 40.6%.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-11-13

Modele comparate

Rang
#391
Total tokenuri de ieșire
40,302
Timp de răspuns (mediu)
3.34s
Cost total
$0.020
Rang
#386
Total tokenuri de ieșire
114,654
Timp de răspuns (mediu)
15.23s
Cost total
$0.077
Model recomandat Mercury 2.5 (low)

Scorul rămâne aproape de cel mai bun scor de aici (5.1 vs 5.2) și costă de aproximativ 4.0x mai puțin decât KAT Coder AIR V2.5 (high).

Comparație detaliată

Metrică Mercury 2.5 Mercury 2.5 low Lansare: 2026-09-08 KAT Coder AIR V2.5 KAT Coder AIR V2.5 high Lansare: 2026-07-14
Scor 5.1 5.2
Rang #391 #386
Fiabilitate 9.8 9.8
Consistență 8.2 8.2
Încercări 69/69 69/69
Teste corecte
Rată de trecere pe încercare 37.7% 40.6%
Teste instabile 5 5
Rulări totale 69 69
Cost per rezultat 0.319 1.091
Cost total $0.020 $0.077
Preț de intrare $0.040 / 1M $0.150 / 1M
Preț de ieșire $0.150 / 1M $0.600 / 1M
Preț citire cache $0.004 / 1M N/D
Preț scriere cache N/D N/D
Total tokenuri de intrare 326,083 50,423
Tokenuri de ieșire 7,224 4,144
Tokenuri de raționament 33,078 110,510
Timp de răspuns (mediu) 3.34s 15.23s
Timp de răspuns (maxim) 47.06s 118.35s
Timp de răspuns (total) 76.80s 350.26s
Parametri ~100B ~35B în total (~3B activi)
Disponibilitate Închis Închis

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#391 Mercury 2.5

low
Cost
$0.001
Timp
2.4s
Tokenuri
1,236 tok

#386 KAT Coder AIR V2.5

high
Reached the allocated time limit (300 seconds) without receiving showcase output.
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Mercury 2.5 5.5 10.0 33.3% 0 972ms 7,909 521 2,269
KAT Coder AIR V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883

Schimbă perechea de comparație