नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Pro V2.5 vs Meta: Muse Spark 1.1

सारांश

KAT-Coder-Pro V2.5 (low) average score में आगे है: 8.0 vs 7.8. KAT-Coder-Pro V2.5 (low) की benchmark लागत कम है: $0.220 vs $1.440. KAT-Coder-Pro V2.5 (low) तेज है: 10.44s vs 29.16s, pass rates 71.4% vs 69.8%.

अनुशंसित मॉडलKAT-Coder-Pro V2.5 (low)It has the best score here (8.0), while costing about 6.6x less than Muse Spark 1.1 (high).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-16

मेट्रिक KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low रिलीज़: 2026-07-14 Muse Spark 1.1 Muse Spark 1.1 high रिलीज़: 2026-07-16
स्कोर 8.0 7.8
रैंक #38 #41
विश्वसनीयता 9.9 10.0
संगति 7.3 8.1
सही परीक्षण
प्रति प्रयास पास दर 71.4% 69.8%
अस्थिर टेस्ट 7 5
कुल रन 63 61
प्रति परिणाम लागत 1.991 11.997
कुल लागत $0.220 $1.440
इनपुट कीमत $0.740 / 1M $1.250 / 1M
आउटपुट कीमत $2.960 / 1M $4.250 / 1M
कुल इनपुट टोकन 42,750 64,900
आउटपुट टोकन 2,167 3,577
रीजनिंग टोकन 61,133 316,055
प्रतिक्रिया समय (औसत) 10.44s 29.16s
प्रतिक्रिया समय (अधिकतम) 51.34s 196.03s
प्रतिक्रिया समय (कुल) 219.17s 583.18s

जनरेशन शोकेस

Hamster playing table tennis

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

#38 KAT-Coder-Pro V2.5

low
लागत
$0.016
समय
47.6s
टोकन
5,182 tok

#41 Muse Spark 1.1

high
लागत
$0.039
समय
50.1s
टोकन
9,423 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 7.8 10.0 66.7% 0 24.87s 7,893 402 24,945
Muse Spark 1.1 10.0 10.0 100.0% 0 22.92s 8,562 349 36,039

त्वरित तुलना

तुलना जोड़ी बदलें