नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Google: Gemini 3 Flash Preview vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

Gemini 3 Flash Preview (medium) average score में आगे है: 9.6 vs 6.0. KAT-Coder-Air V2.5 (low) की benchmark लागत कम है: $0.030 vs $0.667. KAT-Coder-Air V2.5 (low) तेज है: 6.47s vs 18.64s, pass rates 98.4% vs 46.0%.

अनुशंसित मॉडलGemini 3 Flash Preview (medium)It has the strongest score in this comparison (9.6) and the best overall balance of cost and response time across all 2 models.

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

मेट्रिक Gemini 3 Flash Preview Gemini 3 Flash Preview medium रिलीज़: 2025-12-17 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low रिलीज़: 2026-07-14
स्कोर 9.6 6.0
रैंक #2 #124
विश्वसनीयता 10.0 9.7
संगति 9.7 7.6
सही परीक्षण
प्रति प्रयास पास दर 98.4% 46.0%
अस्थिर टेस्ट 1 6
कुल रन 63 63
प्रति परिणाम लागत 3.335 0.427
कुल लागत $0.667 $0.030
इनपुट कीमत $0.500 / 1M $0.150 / 1M
आउटपुट कीमत $3.000 / 1M $0.600 / 1M
कुल इनपुट टोकन 37,017 42,464
आउटपुट टोकन 2,006 4,227
रीजनिंग टोकन 214,153 34,864
प्रतिक्रिया समय (औसत) 18.64s 6.47s
प्रतिक्रिया समय (अधिकतम) 117.26s 25.49s
प्रतिक्रिया समय (कुल) 391.35s 135.80s

जनरेशन शोकेस

Hamster playing table tennis

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

#2 Gemini 3 Flash Preview

medium
लागत
$0.010
समय
17.9s
टोकन
3,236 tok

#124 KAT-Coder-Air V2.5

low
लागत
$0.004
समय
29.9s
टोकन
6,008 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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
KAT-Coder-Air V2.5 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623

त्वरित तुलना

तुलना जोड़ी बदलें