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: Qwen3.6 Flash

सारांश

average score लगभग बराबर है: 6.0 vs 6.0. Qwen3.6 Flash की benchmark लागत कम है: $0.015 vs $0.030. Qwen3.6 Flash तेज है: 1.60s vs 6.47s, pass rates 46.0% vs 33.3%.

अनुशंसित मॉडलQwen3.6 FlashIt has the best score here (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 Qwen3.6 Flash Qwen3.6 Flash none रिलीज़: 2026-04-20
स्कोर 6.0 6.0
रैंक #124 #126
विश्वसनीयता 9.7 10.0
संगति 7.6 10.0
सही परीक्षण
प्रति प्रयास पास दर 46.0% 33.3%
अस्थिर टेस्ट 6 0
कुल रन 63 63
प्रति परिणाम लागत 0.427 0.266
कुल लागत $0.030 $0.015
इनपुट कीमत $0.150 / 1M $0.188 / 1M
आउटपुट कीमत $0.600 / 1M $1.125 / 1M
कुल इनपुट टोकन 42,464 50,810
आउटपुट टोकन 4,227 4,164
रीजनिंग टोकन 34,864 0
प्रतिक्रिया समय (औसत) 6.47s 1.60s
प्रतिक्रिया समय (अधिकतम) 25.49s 4.60s
प्रतिक्रिया समय (कुल) 135.80s 33.59s

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

#126 Qwen3.6 Flash

none
लागत
$0.005
समय
20.1s
टोकन
4,211 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
Qwen3.6 Flash 5.4 10.0 33.3% 0 1.79s 6,488 889 0

त्वरित तुलना

तुलना जोड़ी बदलें