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

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5 Plus 2026-02-15

सारांश

Qwen3.5 Plus 2026-02-15 average score में आगे है: 6.4 vs 5.6. Qwen3.5 Plus 2026-02-15 की benchmark लागत कम है: $0.073 vs $0.077. Qwen3.5 Plus 2026-02-15 तेज है: 9.85s vs 15.90s, pass rates 43.9% vs 48.5%.

अनुशंसित मॉडलQwen3.5 Plus 2026-02-15It has the best score here (6.4), while responding about 1.6x faster than KAT-Coder-Air V2.5 (high).

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 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none रिलीज़: 2026-02-15
स्कोर 5.6 6.4
रैंक #137 #102
विश्वसनीयता 9.9 10.0
संगति 7.7 9.4
सही परीक्षण
प्रति प्रयास पास दर 43.9% 48.5%
अस्थिर टेस्ट 6 2
कुल रन 66 66
प्रति परिणाम लागत 1.097 0.751
कुल लागत $0.077 $0.073
इनपुट कीमत $0.150 / 1M $0.260 / 1M
आउटपुट कीमत $0.600 / 1M $1.560 / 1M
कुल इनपुट टोकन 50,470 102,646
आउटपुट टोकन 3,957 29,370
रीजनिंग टोकन 111,374 0
प्रतिक्रिया समय (औसत) 15.90s 9.85s
प्रतिक्रिया समय (अधिकतम) 118.35s 123.00s
प्रतिक्रिया समय (कुल) 349.71s 157.63s

जनरेशन शोकेस

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

#102 Qwen3.5 Plus 2026-02-15

none
लागत
$0.012
समय
153.2s
टोकन
7,787 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
Qwen3.5 Plus 2026-02-15 4.3 7.9 11.1% 1 2.05s 7,913 473 0

त्वरित तुलना

तुलना जोड़ी बदलें