नेविगेशन
AI BENCHY
Advertise here

Kwaipilot: KAT-Coder-Air V2.5 vs Poolside: Laguna S 2.1

Laguna S 2.1 (low) average score में आगे है: 5.0 vs 4.8. KAT-Coder-Air V2.5 की benchmark लागत कम है: $0.067 vs $0.091. KAT-Coder-Air V2.5 तेज है: 12.17s vs 85.35s, pass rates 37.9% vs 25.8%.

अनुशंसित मॉडलKAT-Coder-Air V2.5Its score stays close to the best score here (4.8 vs 5.0), while responding about 7.0x faster than Laguna S 2.1 (low).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-22

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 none रिलीज़: 2026-07-14 Laguna S 2.1 Laguna S 2.1 low रिलीज़: 2026-07-21 निःशुल्क उपलब्ध
स्कोर 4.8 5.0
रैंक #191 #181
विश्वसनीयता 10.0 9.9
संगति 6.9 7.8
सही परीक्षण
प्रति प्रयास पास दर 37.9% 25.8%
अस्थिर टेस्ट 8 6
कुल रन 66 66
प्रति परिणाम लागत 1.336 3.022
कुल लागत $0.067 $0.091
इनपुट कीमत $0.150 / 1M $0.100 / 1M
आउटपुट कीमत $0.600 / 1M $0.200 / 1M
कुल इनपुट टोकन 69,367 118,746
आउटपुट टोकन 93,913 67,823
रीजनिंग टोकन 0 383,885
प्रतिक्रिया समय (औसत) 12.17s 85.35s
प्रतिक्रिया समय (अधिकतम) 121.05s 814.73s
प्रतिक्रिया समय (कुल) 267.83s 1877.64s

Hamster playing table tennis

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

#191 KAT-Coder-Air V2.5

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

#181 Laguna S 2.1

low
लागत
$0.001
समय
6.6s
टोकन
1,314 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
Laguna S 2.1 3.8 7.1 22.2% 1 167.51s 7,917 58,111 119,138

त्वरित तुलना

तुलना जोड़ी बदलें