নেভিগেশন
AI BENCHY
Advertise here

Kwaipilot: KAT-Coder-Air V2.5 vs Poolside: Laguna XS 2.1

KAT-Coder-Air V2.5 (high) average score-এ এগিয়ে: 5.6 vs 5.3. Laguna XS 2.1-এর benchmark খরচ কম: $0.008 vs $0.077. Laguna XS 2.1 দ্রুত: 1.55s vs 15.90s, pass rates 43.9% vs 30.3%.

প্রস্তাবিত মডেলLaguna XS 2.1Its score stays close to the best score here (5.3 vs 5.6), while costing about 10.8x 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 Laguna XS 2.1 Laguna XS 2.1 none প্রকাশ: 2026-07-02 বিনামূল্যে উপলভ্য
স্কোর 5.6 5.3
র‍্যাঙ্ক #144 #160
নির্ভরযোগ্যতা 9.9 10.0
ধারাবাহিকতা 7.7 9.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 43.9% 30.3%
অস্থির টেস্ট 6 3
মোট রান 66 66
প্রতি ফলাফলে খরচ 1.097 0.143
মোট খরচ $0.077 $0.008
ইনপুট মূল্য $0.150 / 1M $0.060 / 1M
আউটপুট মূল্য $0.600 / 1M $0.120 / 1M
মোট ইনপুট টোকেন 50,470 91,598
আউটপুট টোকেন 3,957 13,377
রিজনিং টোকেন 111,374 0
প্রতিক্রিয়া সময় (গড়) 15.90s 1.55s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 118.35s 19.02s
প্রতিক্রিয়া সময় (মোট) 349.71s 34.19s

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

#160 Laguna XS 2.1

none
খরচ
$0.001
সময়
27.6s
টোকেন
4,344 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
Laguna XS 2.1 4.3 7.8 22.2% 1 623ms 7,995 562 0

দ্রুত তুলনা

তুলনার জুটি বদলান