नेविगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY तुलना

Google: Gemini 3.1 Flash Lite Preview vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

Gemini 3.1 Flash Lite Preview (low) average score में आगे है: 6.5 vs 6.2. Gemini 3.1 Flash Lite Preview (low) की benchmark लागत कम है: $0.026 vs $0.064. Gemini 3.1 Flash Lite Preview (low) तेज है: 2.77s vs 11.02s, pass rates 61.9% vs 46.0%.

अनुशंसित मॉडलGemini 3.1 Flash Lite Preview (low)It has the best score here (6.5), while costing about 2.5x less than KAT-Coder-Air V2.5 (high).

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

मेट्रिक Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low रिलीज़: 2026-03-03 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high रिलीज़: 2026-07-14
स्कोर 6.5 6.2
रैंक #100 #110
विश्वसनीयता 10.0 9.7
संगति 10.0 7.6
सही परीक्षण
प्रति प्रयास पास दर 61.9% 46.0%
अस्थिर टेस्ट 0 6
कुल रन 63 63
प्रति परिणाम लागत 0.196 0.910
कुल लागत $0.026 $0.064
इनपुट कीमत $0.250 / 1M $0.150 / 1M
आउटपुट कीमत $1.500 / 1M $0.600 / 1M
कुल इनपुट टोकन 32,715 41,748
आउटपुट टोकन 2,286 3,894
रीजनिंग टोकन 9,166 91,773
प्रतिक्रिया समय (औसत) 2.77s 11.02s
प्रतिक्रिया समय (अधिकतम) 11.91s 104.98s
प्रतिक्रिया समय (कुल) 58.12s 231.37s

जनरेशन शोकेस

Hamster playing table tennis

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

#100 Gemini 3.1 Flash Lite Preview

low
लागत
$0.002
समय
3.7s
टोकन
1,203 tok

#110 KAT-Coder-Air V2.5

high
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 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
Gemini 3.1 Flash Lite Preview 5.5 10.0 33.3% 0 1.39s 8,138 660 1,060
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883

त्वरित तुलना

तुलना जोड़ी बदलें