नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

DeepSeek: DeepSeek V4 Flash vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

DeepSeek V4 Flash average score में आगे है: 5.5 vs 4.9. DeepSeek V4 Flash की benchmark लागत कम है: $0.007 vs $0.037. KAT-Coder-Air V2.5 तेज है: 6.99s vs 26.75s, pass rates 30.2% vs 38.1%.

अनुशंसित मॉडलDeepSeek V4 FlashIt has the best score here (5.5), while costing about 5.2x less than KAT-Coder-Air V2.5.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-14

मेट्रिक DeepSeek V4 Flash DeepSeek V4 Flash none रिलीज़: 2026-04-24 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 none रिलीज़: 2026-07-14
स्कोर 5.5 4.9
रैंक #142 #168
विश्वसनीयता 10.0 10.0
संगति 8.9 7.1
सही परीक्षण
प्रति प्रयास पास दर 30.2% 38.1%
अस्थिर टेस्ट 3 7
कुल रन 63 63
प्रति परिणाम लागत 0.203 0.724
कुल लागत $0.007 $0.037
इनपुट कीमत $0.090 / 1M $0.150 / 1M
आउटपुट कीमत $0.180 / 1M $0.600 / 1M
कुल इनपुट टोकन 50,127 41,328
आउटपुट टोकन 13,710 49,933
रीजनिंग टोकन 0 0
प्रतिक्रिया समय (औसत) 26.75s 6.99s
प्रतिक्रिया समय (अधिकतम) 111.96s 24.94s
प्रतिक्रिया समय (कुल) 561.82s 146.78s

जनरेशन शोकेस

Hamster playing table tennis

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

#142 DeepSeek V4 Flash

none
लागत
$0.004
समय
157.6s
टोकन
11,297 tok

#168 KAT-Coder-Air V2.5

none
लागत
$0.002
समय
14.5s
टोकन
2,619 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
DeepSeek V4 Flash 4.2 7.4 11.1% 1 17.13s 7,279 9,717 0
KAT-Coder-Air V2.5 3.3 9.6 0.0% 0 14.31s 6,472 16,918 0

त्वरित तुलना

तुलना जोड़ी बदलें