নেভিগেশন
AI BENCHY
Advertise here

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

average score প্রায় সমান: 5.4 vs 5.4. KAT-Coder-Air V2.5 (low)-এর benchmark খরচ কম: $0.041 vs $0.127. KAT-Coder-Air V2.5 (low) দ্রুত: 10.09s vs 111.61s, pass rates 45.5% vs 27.3%.

প্রস্তাবিত মডেলKAT-Coder-Air V2.5 (low)It has the best score here (5.4), while costing about 3.1x less than Laguna S 2.1 (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-22

মেট্রিক KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low প্রকাশ: 2026-07-14 Laguna S 2.1 Laguna S 2.1 high প্রকাশ: 2026-07-21 বিনামূল্যে উপলভ্য
স্কোর 5.4 5.4
র‍্যাঙ্ক #165 #167
নির্ভরযোগ্যতা 9.9 9.9
ধারাবাহিকতা 7.4 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 45.5% 27.3%
অস্থির টেস্ট 7 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.585 3.153
মোট খরচ $0.041 $0.127
ইনপুট মূল্য $0.150 / 1M $0.100 / 1M
আউটপুট মূল্য $0.600 / 1M $0.200 / 1M
মোট ইনপুট টোকেন 61,085 208,931
আউটপুট টোকেন 5,905 175,588
রিজনিং টোকেন 46,990 409,276
প্রতিক্রিয়া সময় (গড়) 10.09s 111.61s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 86.23s 1190.11s
প্রতিক্রিয়া সময় (মোট) 222.03s 2455.39s

Hamster playing table tennis

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

#165 KAT-Coder-Air V2.5

low
খরচ
$0.004
সময়
29.9s
টোকেন
6,008 tok

#167 Laguna S 2.1

high
খরচ
$0.001
সময়
6.8s
টোকেন
1,389 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 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623
Laguna S 2.1 5.3 7.2 44.4% 1 271.42s 6,496 59,355 151,009

দ্রুত তুলনা

তুলনার জুটি বদলান