#141

KAT Coder AIR V2.5

Kwaipilot প্রকাশ: 2026-07-14 পরীক্ষিত হয়েছে: 2026-07-16 23:34 kwaipilot/kat-coder-air-v2.5::medium

~35B মোট (~3B সক্রিয়)MoEবন্ধ উৎসআনুমানিক

(high) (medium) (low) (default)

সারাংশ

KAT Coder AIR V2.5 AI BENCHY-তে 5.6 স্কোর করে এবং #141 স্থানে আছে। এর reliability 9.9, pass rate 45.5%, মোট খরচ $0.048, এবং গড় response time 8.42s.

KAT Coder AIR V2.5 কে আলাদা করে যা: এটি নির্দেশনা অনুসরণ-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #1; আর ডেটা পার্সিং ও নিষ্কাশন এর দুর্বলতম ক্ষেত্র, rank #18. একই ধরনের মডেলের তুলনায় এটি লক্ষণীয়ভাবে দ্রুত।

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-12

আনুমানিক

প্যারামিটার: ~35B মোট (~3B সক্রিয়)
আর্কিটেকচার: MoE
উপলভ্যতা: বন্ধ উৎস
লাইসেন্স: -

সর্বজনীন তথ্যপ্রমাণের ভিত্তিতে সেরা অনুমান; প্রদানকারী সব মান প্রকাশ করেনি।

প্যারামিটারের উৎস উপলভ্যতার উৎস

স্কোর

5.6

ধারাবাহিকতা

8.9

নির্ভরযোগ্যতা

9.9

মোট খরচ (বর্তমান মূল্য)

$0.048

মোট আউটপুট টোকেন

66,174

মোট ইনপুট টোকেন

51,472

ইনপুট মূল্য

$0.150 / 1M

আউটপুট মূল্য

$0.600 / 1M

ক্যাশ পড়ার মূল্য

প্রযোজ্য নয়

ক্যাশ লেখার মূল্য

প্রযোজ্য নয়

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

সঠিক টেস্ট

ভুল টেস্ট: 14

প্রতি চেষ্টায় পাস রেট: 45.5%

অস্থির টেস্ট

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

8.42s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 48.19s

প্রতিক্রিয়া সময় (মোট): 185.24s

ভুল উত্তর: 11 API ত্রুটি: 1 অতিরিক্ত ফরম্যাটিং: 1 নির্দেশনা অনুসরণ করা হয়নি: 1

Hamster playing table tennis

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

#141 KAT-Coder-Air V2.5

medium

খরচ: $0.003
সময়: 23.7s
টোকেন: 4,924 tok

রান ইতিহাস

পরীক্ষিত হয়েছে	স্কোর	নির্ভরযোগ্যতা	মোট খরচ	তুলনা করুন
2026-08-14 03:26 পুনরায় পরীক্ষা	5.6	9.6	$0.048	তুলনা করুন
2026-07-16 23:34 নতুন টেস্ট যোগ হয়েছে	5.6	9.9	$0.048	বর্তমান রান
2026-07-14 11:05 প্রথম রান	6.2	9.7	$0.045	তুলনা করুন

এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।

রান তুলনা

রান	বেঞ্চমার্ক কভারেজ	স্কোর	ধারাবাহিকতা	নির্ভরযোগ্যতা	সঠিক টেস্ট	অস্থির টেস্ট	মোট আউটপুট টোকেন	মোট ইনপুট টোকেন	মোট খরচ	প্রতিক্রিয়া সময় (গড়)
2026-07-16 23:34 · নতুন টেস্ট যোগ হয়েছে	66/66 প্রচেষ্টা	5.6	8.9	9.9	8/22	3	66,174	51,472	$0.048	8.42s
2026-07-14 11:05 · প্রথম রান	63/63 প্রচেষ্টা	6.2	8.8	9.7	8/21	3	64,116	42,750	$0.045	8.28s
পার্থক্য	—	-0.6	+0.1	+0.2	0	0	+2058	+8722	+$0.003	+144ms

বেঞ্চমার্ক কভারেজ আলাদা: 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 63/63 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।

এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।

মূল্যের ইতিহাস

OpenRouter থেকে এই মডেলের ঐতিহাসিক মূল্য তথ্য।

তারিখ	ইনপুট মূল্য	আউটপুট মূল্য	ক্যাশ পড়ার মূল্য	ক্যাশ লেখার মূল্য
2026-07-14 11:25	$0.150 / 1M	$0.600 / 1M	প্রযোজ্য নয়	প্রযোজ্য নয়

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ	স্কোর	ধারাবাহিকতা
অ্যান্টি-এআই কৌশল	8.7	8.0
কোডিং	3.6	7.0
সমন্বিত	6.5	10.0
ডেটা পার্সিং ও নিষ্কাশন	6.5	10.0
ডোমেইন-নির্দিষ্ট	3.0	10.0
Sadharon Buddhimotta	5.0	10.0
নির্দেশনা অনুসরণ	10.0	10.0
ধাঁধা সমাধান	3.6	7.2
টুল কলিং	10.0	10.0
সাধারণ জ্ঞান	3.0	10.0

KAT Coder AIR V2.5

মডেলের তথ্য

Hamster playing table tennis

#141 KAT-Coder-Air V2.5

চার্ট

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর vs মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

তুলনা করা মডেল