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

KAT-Coder-Air V2.5 (low) average score में आगे है: 6.0 vs 5.8. Qwen3.5 Plus 2026-02-15 की benchmark लागत कम है: $0.016 vs $0.030. Qwen3.5 Plus 2026-02-15 तेज है: 2.31s vs 6.47s, pass rates 46.0% vs 46.0%.

अनुशंसित मॉडलQwen3.5 Plus 2026-02-15Its score stays close to the best score here (5.8 vs 6.0), while costing about 1.9x 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 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none रिलीज़: 2026-02-15
स्कोर 6.0 5.8
रैंक #124 #130
विश्वसनीयता 9.7 10.0
संगति 7.6 9.4
सही परीक्षण
प्रति प्रयास पास दर 46.0% 46.0%
अस्थिर टेस्ट 6 2
कुल रन 63 63
प्रति परिणाम लागत 0.427 0.204
कुल लागत $0.030 $0.016
इनपुट कीमत $0.150 / 1M $0.260 / 1M
आउटपुट कीमत $0.600 / 1M $1.560 / 1M
कुल इनपुट टोकन 42,464 45,864
आउटपुट टोकन 4,227 2,480
रीजनिंग टोकन 34,864 0
प्रतिक्रिया समय (औसत) 6.47s 2.31s
प्रतिक्रिया समय (अधिकतम) 25.49s 6.65s
प्रतिक्रिया समय (कुल) 135.80s 34.63s

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

#130 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 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623
Qwen3.5 Plus 2026-02-15 4.3 7.9 11.1% 1 2.05s 7,913 473 0

त्वरित तुलना

तुलना जोड़ी बदलें