নেভিগেশন
AI BENCHY
Advertise here

Kwaipilot: KAT-Coder-Air V2.5 vs Mistral: Mistral Small 4

KAT-Coder-Air V2.5 (high) average score-এ এগিয়ে: 5.6 vs 5.1. Mistral Small 4-এর benchmark খরচ কম: $0.022 vs $0.077. Mistral Small 4 দ্রুত: 1.20s vs 15.90s, pass rates 43.9% vs 25.8%.

প্রস্তাবিত মডেলMistral Small 4Its score stays close to the best score here (5.1 vs 5.6), while costing about 3.6x less than KAT-Coder-Air V2.5 (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-20

মেট্রিক KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high প্রকাশ: 2026-07-14 Mistral Small 4 Mistral Small 4 none প্রকাশ: 2026-03-16
স্কোর 5.6 5.1
র‍্যাঙ্ক #144 #165
নির্ভরযোগ্যতা 9.9 10.0
ধারাবাহিকতা 7.7 9.6
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 43.9% 25.8%
অস্থির টেস্ট 6 1
মোট রান 66 66
প্রতি ফলাফলে খরচ 1.097 0.432
মোট খরচ $0.077 $0.022
ইনপুট মূল্য $0.150 / 1M $0.150 / 1M
আউটপুট মূল্য $0.600 / 1M $0.600 / 1M
মোট ইনপুট টোকেন 50,470 104,708
আউটপুট টোকেন 3,957 9,812
রিজনিং টোকেন 111,374 0
প্রতিক্রিয়া সময় (গড়) 15.90s 1.20s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 118.35s 13.16s
প্রতিক্রিয়া সময় (মোট) 349.71s 26.38s

Hamster playing table tennis

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

#144 KAT-Coder-Air V2.5

high
অবৈধ SVG
খরচ
$0.000
সময়
300.0s
টোকেন
0 tok

#165 Mistral Small 4

none
খরচ
$0.002
সময়
10.4s
টোকেন
2,370 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883
Mistral Small 4 3.7 9.7 0.0% 0 901ms 7,636 619 0

দ্রুত তুলনা

তুলনার জুটি বদলান