नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Air V2.5 vs Mistral: Mistral Small 4

सारांश

Mistral Small 4 (medium) average score में आगे है: 5.1 vs 4.9. KAT-Coder-Air V2.5 की benchmark लागत कम है: $0.037 vs $0.068. KAT-Coder-Air V2.5 तेज है: 6.99s vs 9.40s, pass rates 38.1% vs 44.4%.

अनुशंसित मॉडलMistral Small 4 (medium)It has the strongest score in this comparison (5.1) 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:: 2026-07-14

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 none रिलीज़: 2026-07-14 Mistral Small 4 Mistral Small 4 medium रिलीज़: 2026-03-16
स्कोर 4.9 5.1
रैंक #168 #160
विश्वसनीयता 10.0 10.0
संगति 7.1 6.9
सही परीक्षण
प्रति प्रयास पास दर 38.1% 44.4%
अस्थिर टेस्ट 7 8
कुल रन 63 63
प्रति परिणाम लागत 0.724 1.344
कुल लागत $0.037 $0.068
इनपुट कीमत $0.150 / 1M $0.150 / 1M
आउटपुट कीमत $0.600 / 1M $0.600 / 1M
कुल इनपुट टोकन 41,328 42,576
आउटपुट टोकन 49,933 24,184
रीजनिंग टोकन 0 84,678
प्रतिक्रिया समय (औसत) 6.99s 9.40s
प्रतिक्रिया समय (अधिकतम) 24.94s 59.15s
प्रतिक्रिया समय (कुल) 146.78s 197.39s

जनरेशन शोकेस

Hamster playing table tennis

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

#168 KAT-Coder-Air V2.5

none
लागत
$0.002
समय
14.5s
टोकन
2,619 tok

#160 Mistral Small 4

medium
लागत
$0.006
समय
47.9s
टोकन
9,857 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 3.3 9.6 0.0% 0 14.31s 6,472 16,918 0
Mistral Small 4 4.4 5.1 33.3% 2 39.98s 7,636 11,635 54,715

त्वरित तुलना

तुलना जोड़ी बदलें