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

Kwaipilot: KAT-Coder-Air V2.5 vs Poolside: Laguna XS 2.1

KAT-Coder-Air V2.5 (high) average score में आगे है: 5.6 vs 5.3. Laguna XS 2.1 की benchmark लागत कम है: $0.008 vs $0.077. Laguna XS 2.1 तेज है: 1.55s vs 15.90s, pass rates 43.9% vs 30.3%.

अनुशंसित मॉडलLaguna XS 2.1Its score stays close to the best score here (5.3 vs 5.6), while costing about 10.8x less than KAT-Coder-Air V2.5 (high).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-18

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high रिलीज़: 2026-07-14 Laguna XS 2.1 Laguna XS 2.1 none रिलीज़: 2026-07-02 निःशुल्क उपलब्ध
स्कोर 5.6 5.3
रैंक #140 #156
विश्वसनीयता 9.9 10.0
संगति 7.7 9.0
सही परीक्षण
प्रति प्रयास पास दर 43.9% 30.3%
अस्थिर टेस्ट 6 3
कुल रन 66 66
प्रति परिणाम लागत 1.097 0.143
कुल लागत $0.077 $0.008
इनपुट कीमत $0.150 / 1M $0.060 / 1M
आउटपुट कीमत $0.600 / 1M $0.120 / 1M
कुल इनपुट टोकन 50,470 91,598
आउटपुट टोकन 3,957 13,377
रीजनिंग टोकन 111,374 0
प्रतिक्रिया समय (औसत) 15.90s 1.55s
प्रतिक्रिया समय (अधिकतम) 118.35s 19.02s
प्रतिक्रिया समय (कुल) 349.71s 34.19s

Hamster playing table tennis

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

#140 KAT-Coder-Air V2.5

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

#156 Laguna XS 2.1

none
लागत
$0.001
समय
27.6s
टोकन
4,344 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
Laguna XS 2.1 4.3 7.8 22.2% 1 623ms 7,995 562 0

त्वरित तुलना

तुलना जोड़ी बदलें