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 Max Preview

सारांश

average score लगभग बराबर है: 6.0 vs 6.0. KAT-Coder-Air V2.5 (low) की benchmark लागत कम है: $0.030 vs $0.075. Qwen3.6 Max Preview तेज है: 3.30s vs 6.47s, pass rates 46.0% vs 58.7%.

अनुशंसित मॉडलQwen3.6 Max PreviewIt has the best score here (6.0), while responding about 2.0x faster 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 Max Preview Qwen3.6 Max Preview none रिलीज़: 2026-04-20
स्कोर 6.0 6.0
रैंक #124 #122
विश्वसनीयता 9.7 10.0
संगति 7.6 9.2
सही परीक्षण
प्रति प्रयास पास दर 46.0% 58.7%
अस्थिर टेस्ट 6 2
कुल रन 63 63
प्रति परिणाम लागत 0.427 0.824
कुल लागत $0.030 $0.075
इनपुट कीमत $0.150 / 1M $1.040 / 1M
आउटपुट कीमत $0.600 / 1M $6.240 / 1M
कुल इनपुट टोकन 42,464 42,509
आउटपुट टोकन 4,227 4,779
रीजनिंग टोकन 34,864 0
प्रतिक्रिया समय (औसत) 6.47s 3.30s
प्रतिक्रिया समय (अधिकतम) 25.49s 20.51s
प्रतिक्रिया समय (कुल) 135.80s 69.40s

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

#122 Qwen3.6 Max Preview

none
लागत
$0.025
समय
83.9s
टोकन
4,066 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 Max Preview 3.8 7.3 22.2% 1 3.12s 7,913 456 0

त्वरित तुलना

तुलना जोड़ी बदलें