AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs StepFun: Step 3.5 Flash

Resumen

Step 3.5 Flash (medium) lidera en puntuación media con 6.6 vs 6.2. KAT-Coder-Air V2.5 (high) tiene menor coste de benchmark con $0.064 vs $0.070. KAT-Coder-Air V2.5 (high) es más rápido con 11.02s vs 72.53s, con tasas de acierto de 46.0% vs 54.0%.

Modelo recomendadoKAT-Coder-Air V2.5 (high)Su puntuación se mantiene cerca de la mejor aquí (6.2 vs 6.6) y responde aproximadamente 6.6x más rápido que Step 3.5 Flash (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-14

Métrica	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lanzamiento: 2026-07-14	Step 3.5 Flash Step 3.5 Flash medium Lanzamiento: 2026-02-01

Métrica	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lanzamiento: 2026-07-14	Step 3.5 Flash Step 3.5 Flash medium Lanzamiento: 2026-02-01
Puntuación	6.2	6.6
Rango	#110	#98
Fiabilidad	9.7	10.0
Consistencia	7.6	8.9
Pruebas correctas
Tasa de aciertos por intento	46.0%	54.0%
Pruebas inestables	6	1
Ejecuciones totales	63	60
Costo por resultado	0.910	0.198
Costo total	$0.064	$0.070
Precio de entrada	$0.150 / 1M	$0.100 / 1M
Precio de salida	$0.600 / 1M	$0.300 / 1M
Total de tokens de entrada	41,748	34,431
Tokens de salida	3,894	91,587
Tokens de razonamiento	91,773	195,973
Tiempo de respuesta (promedio)	11.02s	72.53s
Tiempo de respuesta (máximo)	104.98s	453.94s
Tiempo de respuesta (total)	231.37s	1015.47s

Generación showcase

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 tok

#98 Step 3.5 Flash

medium

Coste: $0.008
Tiempo: 277.1s
Tokens: 23,695 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Comparación rápida

Cambiar par de comparación