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: Qwen3.6 Flash

সারাংশ

average score প্রায় সমান: 6.0 vs 6.0. Qwen3.6 Flash-এর benchmark খরচ কম: $0.015 vs $0.030. Qwen3.6 Flash দ্রুত: 1.60s vs 6.47s, pass rates 46.0% vs 33.3%.

প্রস্তাবিত মডেলQwen3.6 FlashIt has the best score here (6.0), while costing about 2.1x less than KAT-Coder-Air V2.5 (low).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-14

মেট্রিক KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low প্রকাশ: 2026-07-14 Qwen3.6 Flash Qwen3.6 Flash none প্রকাশ: 2026-04-20
স্কোর 6.0 6.0
র‍্যাঙ্ক #124 #126
নির্ভরযোগ্যতা 9.7 10.0
ধারাবাহিকতা 7.6 10.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 46.0% 33.3%
অস্থির টেস্ট 6 0
মোট রান 63 63
প্রতি ফলাফলে খরচ 0.427 0.266
মোট খরচ $0.030 $0.015
ইনপুট মূল্য $0.150 / 1M $0.188 / 1M
আউটপুট মূল্য $0.600 / 1M $1.125 / 1M
মোট ইনপুট টোকেন 42,464 50,810
আউটপুট টোকেন 4,227 4,164
রিজনিং টোকেন 34,864 0
প্রতিক্রিয়া সময় (গড়) 6.47s 1.60s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 25.49s 4.60s
প্রতিক্রিয়া সময় (মোট) 135.80s 33.59s

জেনারেশন শোকেস

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

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

#126 Qwen3.6 Flash

none
খরচ
$0.005
সময়
20.1s
টোকেন
4,211 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
Qwen3.6 Flash 5.4 10.0 33.3% 0 1.79s 6,488 889 0

দ্রুত তুলনা

তুলনার জুটি বদলান