नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-27B

सारांश

KAT-Coder-Air V2.5 (low) average score में आगे है: 6.0 vs 5.9. Qwen3.5-27B की benchmark लागत कम है: $0.015 vs $0.030. Qwen3.5-27B तेज है: 1.68s vs 6.47s, pass rates 46.0% vs 38.1%.

अनुशंसित मॉडलQwen3.5-27BIts score stays close to the best score here (5.9 vs 6.0), while costing about 2.1x less than KAT-Coder-Air V2.5 (low).

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

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low रिलीज़: 2026-07-14 Qwen3.5-27B Qwen3.5-27B none रिलीज़: 2026-02-24
स्कोर 6.0 5.9
रैंक #124 #128
विश्वसनीयता 9.7 10.0
संगति 7.6 9.3
सही परीक्षण
प्रति प्रयास पास दर 46.0% 38.1%
अस्थिर टेस्ट 6 2
कुल रन 63 63
प्रति परिणाम लागत 0.427 0.249
कुल लागत $0.030 $0.015
इनपुट कीमत $0.150 / 1M $0.195 / 1M
आउटपुट कीमत $0.600 / 1M $1.560 / 1M
कुल इनपुट टोकन 42,464 44,478
आउटपुट टोकन 4,227 3,592
रीजनिंग टोकन 34,864 0
प्रतिक्रिया समय (औसत) 6.47s 1.68s
प्रतिक्रिया समय (अधिकतम) 25.49s 9.39s
प्रतिक्रिया समय (कुल) 135.80s 35.25s

जनरेशन शोकेस

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

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

#128 Qwen3.5-27B

none
लागत
$0.007
समय
42.9s
टोकन
4,273 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
Qwen3.5-27B 5.8 10.0 33.3% 0 1.80s 7,913 415 0

त्वरित तुलना

तुलना जोड़ी बदलें