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

AI BENCHY Compare

Inception: Mercury 2 vs MoonshotAI: Kimi K2.5

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-03

Metrică Mercury 2 Mercury 2 medium Lansare: 2026-02-24 Kimi K2.5 Kimi K2.5 medium Lansare: 2026-01-27
Scor 6.5 6.7
Rang #89 #81
Fiabilitate 10.0 10.0
Consistență 8.8 6.8
Teste corecte
Rată de trecere pe încercare 51.7% 66.7%
Teste instabile 3 8
Rulări totale 60 60
Cost per rezultat 0.611 3.486
Cost total $0.055 $0.272
Preț de intrare $0.250 / 1M $0.400 / 1M
Preț de ieșire $0.750 / 1M $1.900 / 1M
Total tokenuri de intrare 32,570 31,717
Tokenuri de ieșire 4,022 48,374
Tokenuri de raționament 58,405 128,473
Timp de răspuns (mediu) 2.27s 89.02s
Timp de răspuns (maxim) 14.63s 281.00s
Timp de răspuns (total) 43.20s 1157.32s

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

Trucuri anti-AI 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 6.9 9.9 50.0% 0 1.12s 554 2,546 2,609
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
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 7.2 6.5 66.7% 1 2.29s 4,519 270 8,514
Kimi K2.5 4.1 1.9 50.0% 2 215.89s 4,340 5,700 45,419
Combinat 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 10.0 10.0 100.0% 0 3.28s 12,909 268 4,887
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
Parsare și extragere de date 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 7.3 5.9 83.3% 1 1.11s 6,234 183 1,656
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
Specific domeniului 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 2.9 7.2 11.1% 1 6.48s 695 41 30,754
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
Inteligență generală 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 4.8 10.0 0.0% 0 821ms 456 137 542
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
Respectarea instrucțiunilor 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 10.0 10.0 100.0% 0 1.07s 340 14 958
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
Rezolvare de puzzle-uri 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 5.4 10.0 33.3% 0 949ms 601 361 2,781
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
Apelare instrumente 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 10.0 10.0 100.0% 0 1.89s 6,080 180 1,956
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
Cultură generală 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 3.0 10.0 0.0% 0 2.58s 182 22 3,748
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644

Comparație rapidă

Schimbă perechea de comparație