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 S 2.1

average score लगभग बराबर है: 5.4 vs 5.4. KAT-Coder-Air V2.5 (low) की benchmark लागत कम है: $0.041 vs $0.127. KAT-Coder-Air V2.5 (low) तेज है: 10.09s vs 111.61s, pass rates 45.5% vs 27.3%.

अनुशंसित मॉडलKAT-Coder-Air V2.5 (low)It has the best score here (5.4), while costing about 3.1x less than Laguna S 2.1 (high).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-22

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low रिलीज़: 2026-07-14 Laguna S 2.1 Laguna S 2.1 high रिलीज़: 2026-07-21 निःशुल्क उपलब्ध
स्कोर 5.4 5.4
रैंक #165 #167
विश्वसनीयता 9.9 9.9
संगति 7.4 8.1
सही परीक्षण
प्रति प्रयास पास दर 45.5% 27.3%
अस्थिर टेस्ट 7 5
कुल रन 66 66
प्रति परिणाम लागत 0.585 3.153
कुल लागत $0.041 $0.127
इनपुट कीमत $0.150 / 1M $0.100 / 1M
आउटपुट कीमत $0.600 / 1M $0.200 / 1M
कुल इनपुट टोकन 61,085 208,931
आउटपुट टोकन 5,905 175,588
रीजनिंग टोकन 46,990 409,276
प्रतिक्रिया समय (औसत) 10.09s 111.61s
प्रतिक्रिया समय (अधिकतम) 86.23s 1190.11s
प्रतिक्रिया समय (कुल) 222.03s 2455.39s

Hamster playing table tennis

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

#165 KAT-Coder-Air V2.5

low
लागत
$0.004
समय
29.9s
टोकन
6,008 tok

#167 Laguna S 2.1

high
लागत
$0.001
समय
6.8s
टोकन
1,389 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 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623
Laguna S 2.1 5.3 7.2 44.4% 1 271.42s 6,496 59,355 151,009

त्वरित तुलना

तुलना जोड़ी बदलें