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 Z.ai: GLM 5.1

सारांश

KAT-Coder-Air V2.5 (low) average score में आगे है: 6.0 vs 5.6. KAT-Coder-Air V2.5 (low) की benchmark लागत कम है: $0.030 vs $0.057. GLM 5.1 तेज है: 4.10s vs 6.47s, pass rates 46.0% vs 41.3%.

अनुशंसित मॉडलKAT-Coder-Air V2.5 (low)It has the best score here (6.0), while costing about 1.9x less than GLM 5.1.

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 GLM 5.1 GLM 5.1 none रिलीज़: 2026-04-07
स्कोर 6.0 5.6
रैंक #124 #141
विश्वसनीयता 9.7 10.0
संगति 7.6 8.5
सही परीक्षण
प्रति प्रयास पास दर 46.0% 41.3%
अस्थिर टेस्ट 6 4
कुल रन 63 63
प्रति परिणाम लागत 0.427 0.843
कुल लागत $0.030 $0.057
इनपुट कीमत $0.150 / 1M $0.966 / 1M
आउटपुट कीमत $0.600 / 1M $3.036 / 1M
कुल इनपुट टोकन 42,464 47,133
आउटपुट टोकन 4,227 3,754
रीजनिंग टोकन 34,864 0
प्रतिक्रिया समय (औसत) 6.47s 4.10s
प्रतिक्रिया समय (अधिकतम) 25.49s 32.57s
प्रतिक्रिया समय (कुल) 135.80s 86.18s

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

#141 GLM 5.1

none
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 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
GLM 5.1 3.9 9.7 0.0% 0 4.96s 7,256 525 0

त्वरित तुलना

तुलना जोड़ी बदलें