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: Qwen3.5-122B-A10B

सारांश

KAT-Coder-Air V2.5 (medium) average score में आगे है: 6.2 vs 5.3. Qwen3.5-122B-A10B की benchmark लागत कम है: $0.020 vs $0.045. Qwen3.5-122B-A10B तेज है: 3.41s vs 8.28s, pass rates 47.6% vs 31.8%.

अनुशंसित मॉडलKAT-Coder-Air V2.5 (medium)It has the strongest score in this comparison (6.2) and the best overall balance of cost and response time across all 2 models.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-16

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium रिलीज़: 2026-07-14 Qwen3.5-122B-A10B Qwen3.5-122B-A10B none रिलीज़: 2026-02-24
स्कोर 6.2 5.3
रैंक #116 #153
विश्वसनीयता 9.7 10.0
संगति 8.8 9.6
सही परीक्षण
प्रति प्रयास पास दर 47.6% 31.8%
अस्थिर टेस्ट 3 1
कुल रन 63 63
प्रति परिणाम लागत 0.562 0.393
कुल लागत $0.045 $0.020
इनपुट कीमत $0.150 / 1M $0.260 / 1M
आउटपुट कीमत $0.600 / 1M $2.080 / 1M
कुल इनपुट टोकन 42,750 47,735
आउटपुट टोकन 7,759 3,383
रीजनिंग टोकन 56,357 0
प्रतिक्रिया समय (औसत) 8.28s 3.41s
प्रतिक्रिया समय (अधिकतम) 48.19s 46.00s
प्रतिक्रिया समय (कुल) 173.80s 71.59s

जनरेशन शोकेस

Hamster playing table tennis

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

#116 KAT-Coder-Air V2.5

medium
लागत
$0.003
समय
23.7s
टोकन
4,924 tok

#153 Qwen3.5-122B-A10B

none
लागत
$0.016
समय
44.5s
टोकन
6,431 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 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973
Qwen3.5-122B-A10B 3.7 7.0 22.2% 1 2.77s 7,913 693 0

त्वरित तुलना

तुलना जोड़ी बदलें