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

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Pro V2.5 vs xAI: Grok 4.20

सारांश

KAT-Coder-Pro V2.5 (high) average score में आगे है: 7.2 vs 7.1. KAT-Coder-Pro V2.5 (high) की benchmark लागत कम है: $0.482 vs $0.777. KAT-Coder-Pro V2.5 (high) तेज है: 20.83s vs 29.47s, pass rates 63.6% vs 63.6%.

अनुशंसित मॉडलKAT-Coder-Pro V2.5 (high)It has the best score here (7.2), while costing about 1.6x less than Grok 4.20 (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high रिलीज़: 2026-07-14 Grok 4.20 Grok 4.20 medium रिलीज़: 2026-03-31
स्कोर 7.2 7.1
रैंक #66 #72
विश्वसनीयता 10.0 10.0
संगति 7.8 8.5
सही परीक्षण
प्रति प्रयास पास दर 63.6% 63.6%
अस्थिर टेस्ट 6 4
कुल रन 66 66
प्रति परिणाम लागत 4.378 9.709
कुल लागत $0.482 $0.777
इनपुट कीमत $0.740 / 1M $1.250 / 1M
आउटपुट कीमत $2.960 / 1M $2.500 / 1M
कुल इनपुट टोकन 106,076 102,791
आउटपुट टोकन 9,071 5,363
रीजनिंग टोकन 127,093 253,977
प्रतिक्रिया समय (औसत) 20.83s 29.47s
प्रतिक्रिया समय (अधिकतम) 199.97s 199.66s
प्रतिक्रिया समय (कुल) 458.31s 648.35s

जनरेशन शोकेस

Hamster playing table tennis

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

#66 KAT-Coder-Pro V2.5

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

#72 xAI: Grok 4.20

medium
लागत
$0.041
समय
110.3s
टोकन
16,336 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
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

त्वरित तुलना

तुलना जोड़ी बदलें