नेविगेशन
AI BENCHY
Advertise here

KAT-Coder-Pro V2.5 (high) vs Muse Glimmer 30B (low)

KAT-Coder-Pro V2.5 (high) average score में आगे है: 7.2 vs 7.1. Muse Glimmer 30B (low) की benchmark लागत कम है: $0.186 vs $0.482. Muse Glimmer 30B (low) तेज है: 18.51s vs 20.83s, pass rates 63.6% vs 63.6%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-11

रैंक
#92
कुल आउटपुट टोकन
136,164
प्रतिक्रिया समय (औसत)
20.83s
कुल लागत
$0.482
रैंक
#99
कुल आउटपुट टोकन
95,478
प्रतिक्रिया समय (औसत)
18.51s
कुल लागत
$0.186
अनुशंसित मॉडल Muse Glimmer 30B (low)

Its score stays close to the best score here (7.1 vs 7.2), while costing about 2.6x less than KAT-Coder-Pro V2.5 (high).

विस्तृत तुलना

मेट्रिक KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high रिलीज़: 2026-07-14 Muse Glimmer 30B Muse Glimmer 30B low रिलीज़: 2026-08-11
स्कोर 7.2 7.1
रैंक #92 #99
विश्वसनीयता 10.0 10.0
संगति 7.8 8.2
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 63.6% 63.6%
अस्थिर टेस्ट 6 5
कुल रन 66 66
प्रति परिणाम लागत 4.378 1.685
कुल लागत $0.482 $0.186
इनपुट कीमत $0.740 / 1M $0.350 / 1M
आउटपुट कीमत $2.960 / 1M $1.500 / 1M
कुल इनपुट टोकन 106,076 130,300
आउटपुट टोकन 9,071 33,907
रीजनिंग टोकन 127,093 61,571
प्रतिक्रिया समय (औसत) 20.83s 18.51s
प्रतिक्रिया समय (अधिकतम) 199.97s 234.92s
प्रतिक्रिया समय (कुल) 458.31s 407.22s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#92 KAT-Coder-Pro V2.5

high
लागत
$0.009
समय
26.4s
टोकन
3,117 tok

#99 Muse Glimmer 30B

low
लागत
$0.002
समय
13.5s
टोकन
953 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-Pro V2.5 6.4 7.9 44.4% 1 22.00s 7,893 422 20,461
Muse Glimmer 30B 8.1 9.9 66.7% 0 16.52s 7,419 2,759 10,173

त्वरित तुलना

तुलना जोड़ी बदलें