नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-9B

सारांश

KAT-Coder-Air V2.5 average score में आगे है: 4.9 vs 3.8. Qwen3.5-9B (medium) की benchmark लागत कम है: $0.036 vs $0.037. KAT-Coder-Air V2.5 तेज है: 6.99s vs 82.24s, pass rates 38.1% vs 27.0%.

अनुशंसित मॉडलKAT-Coder-Air V2.5It has the best score here (4.9), while responding about 11.8x faster than Qwen3.5-9B (medium).

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 Qwen3.5-9B Qwen3.5-9B medium रिलीज़: 2026-03-02
स्कोर 4.9 3.8
रैंक #168 #193
विश्वसनीयता 10.0 6.7
संगति 7.1 8.0
सही परीक्षण
प्रति प्रयास पास दर 38.1% 27.0%
अस्थिर टेस्ट 7 5
कुल रन 63 63
प्रति परिणाम लागत 0.724 1.187
कुल लागत $0.037 $0.036
इनपुट कीमत $0.150 / 1M $0.100 / 1M
आउटपुट कीमत $0.600 / 1M $0.150 / 1M
कुल इनपुट टोकन 41,328 17,070
आउटपुट टोकन 49,933 29,045
रीजनिंग टोकन 0 209,516
प्रतिक्रिया समय (औसत) 6.99s 82.24s
प्रतिक्रिया समय (अधिकतम) 24.94s 226.38s
प्रतिक्रिया समय (कुल) 146.78s 1315.88s

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

#193 Qwen3.5-9B

medium
लागत
$0.001
समय
35.9s
टोकन
3,030 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
Qwen3.5-9B 2.9 10.0 0.0% 0 100.88s 2,396 7,890 41,129

त्वरित तुलना

तुलना जोड़ी बदलें