नेविगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.6 35B A3B

KAT-Coder-Air V2.5 (medium) average score में आगे है: 5.6 vs 5.3. KAT-Coder-Air V2.5 (medium) की benchmark लागत कम है: $0.048 vs $0.061. Qwen3.6 35B A3B तेज है: 5.52s vs 8.42s, pass rates 45.5% vs 31.8%.

अनुशंसित मॉडलKAT-Coder-Air V2.5 (medium)It has the strongest score in this comparison (5.6) 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:: 2026-07-18

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium रिलीज़: 2026-07-14 Qwen3.6 35B A3B Qwen3.6 35B A3B none रिलीज़: 2026-04-20
स्कोर 5.6 5.3
रैंक #145 #157
विश्वसनीयता 9.9 10.0
संगति 8.9 7.7
सही परीक्षण
प्रति प्रयास पास दर 45.5% 31.8%
अस्थिर टेस्ट 3 6
कुल रन 66 66
प्रति परिणाम लागत 0.593 1.496
कुल लागत $0.048 $0.061
इनपुट कीमत $0.150 / 1M $0.140 / 1M
आउटपुट कीमत $0.600 / 1M $1.000 / 1M
कुल इनपुट टोकन 51,472 93,979
आउटपुट टोकन 7,822 46,957
रीजनिंग टोकन 58,352 0
प्रतिक्रिया समय (औसत) 8.42s 5.52s
प्रतिक्रिया समय (अधिकतम) 48.19s 39.54s
प्रतिक्रिया समय (कुल) 185.24s 110.40s

Hamster playing table tennis

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

#145 KAT-Coder-Air V2.5

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

#157 Qwen3.6 35B A3B

none
लागत
$0.008
समय
30.1s
टोकन
6,317 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
Qwen3.6 35B A3B 5.5 10.0 33.3% 0 8.77s 7,911 11,161 0

त्वरित तुलना

तुलना जोड़ी बदलें