নেভিগেশন
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

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-27B

সারাংশ

KAT-Coder-Air V2.5 (high) average score-এ এগিয়ে: 6.2 vs 5.9. Qwen3.5-27B-এর benchmark খরচ কম: $0.015 vs $0.064. Qwen3.5-27B দ্রুত: 1.68s vs 11.02s, pass rates 46.0% vs 38.1%.

প্রস্তাবিত মডেলQwen3.5-27BIts score stays close to the best score here (5.9 vs 6.2), while costing about 4.5x less than KAT-Coder-Air V2.5 (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-16

মেট্রিক KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high প্রকাশ: 2026-07-14 Qwen3.5-27B Qwen3.5-27B none প্রকাশ: 2026-02-24
স্কোর 6.2 5.9
র‍্যাঙ্ক #111 #129
নির্ভরযোগ্যতা 9.7 10.0
ধারাবাহিকতা 7.6 9.3
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 46.0% 38.1%
অস্থির টেস্ট 6 2
মোট রান 63 63
প্রতি ফলাফলে খরচ 0.910 0.249
মোট খরচ $0.064 $0.015
ইনপুট মূল্য $0.150 / 1M $0.195 / 1M
আউটপুট মূল্য $0.600 / 1M $1.560 / 1M
মোট ইনপুট টোকেন 41,748 44,478
আউটপুট টোকেন 3,894 3,592
রিজনিং টোকেন 91,773 0
প্রতিক্রিয়া সময় (গড়) 11.02s 1.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 104.98s 9.39s
প্রতিক্রিয়া সময় (মোট) 231.37s 35.25s

জেনারেশন শোকেস

Hamster playing table tennis

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

#111 KAT-Coder-Air V2.5

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

#129 Qwen3.5-27B

none
খরচ
$0.007
সময়
42.9s
টোকেন
4,273 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
Qwen3.5-27B 5.8 10.0 33.3% 0 1.80s 7,913 415 0

দ্রুত তুলনা

তুলনার জুটি বদলান