नेविगेशन
AI BENCHY
Advertise here

Kwaipilot: KAT-Coder-Air V2.5 vs MoonshotAI: Kimi K2.5

KAT-Coder-Air V2.5 (high) average score में आगे है: 5.6 vs 5.5. KAT-Coder-Air V2.5 (high) की benchmark लागत कम है: $0.077 vs $0.127. KAT-Coder-Air V2.5 (high) तेज है: 15.90s vs 19.15s, pass rates 43.9% vs 34.9%.

अनुशंसित मॉडलKAT-Coder-Air V2.5 (high)It has the best score here (5.6), while costing about 1.7x less than Kimi K2.5.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high रिलीज़: 2026-07-14 Kimi K2.5 Kimi K2.5 none रिलीज़: 2026-01-27
स्कोर 5.6 5.5
रैंक #137 #148
विश्वसनीयता 9.9 10.0
संगति 7.7 8.6
सही परीक्षण
प्रति प्रयास पास दर 43.9% 34.9%
अस्थिर टेस्ट 6 4
कुल रन 66 66
प्रति परिणाम लागत 1.097 1.898
कुल लागत $0.077 $0.127
इनपुट कीमत $0.150 / 1M $0.571 / 1M
आउटपुट कीमत $0.600 / 1M $2.850 / 1M
कुल इनपुट टोकन 50,470 89,322
आउटपुट टोकन 3,957 26,638
रीजनिंग टोकन 111,374 0
प्रतिक्रिया समय (औसत) 15.90s 19.15s
प्रतिक्रिया समय (अधिकतम) 118.35s 102.83s
प्रतिक्रिया समय (कुल) 349.71s 287.30s

Hamster playing table tennis

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

#137 KAT-Coder-Air V2.5

high
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

#148 MoonshotAI: Kimi K2.5

none
लागत
$0.015
समय
89.1s
टोकन
5,421 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
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883
Kimi K2.5 5.5 10.0 33.3% 0 24.56s 7,311 4,708 0

त्वरित तुलना

तुलना जोड़ी बदलें