#223

KAT-Coder-Air V2.5

Kwaipilot रिलीज़: 2026-07-14 परीक्षण किया गया: 2026-08-14 03:16 kwaipilot/kat-coder-air-v2.5::low

~35B कुल (~3B सक्रिय)MoEबंद स्रोतअनुमानित

(high) (medium) (low) (none)

सारांश

KAT-Coder-Air V2.5 AI BENCHY पर 5.4 स्कोर करता है और #223 पर है। इसकी reliability 9.9, pass rate 43.9%, कुल लागत $0.046, और औसत response time 10.63s है।

KAT-Coder-Air V2.5 को अलग क्या बनाता है: यह एंटी-एआई ट्रिक्स में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित

पैरामीटर: ~35B कुल (~3B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: बंद स्रोत
लाइसेंस: -

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

5.4

संगति

7.8

विश्वसनीयता

9.9

कुल लागत (वर्तमान कीमत)

$0.046

कुल आउटपुट टोकन

60,414

कुल इनपुट टोकन

61,094

इनपुट कीमत

$0.150 / 1M

आउटपुट कीमत

$0.600 / 1M

सही परीक्षण

गलत टेस्ट: 15

प्रति प्रयास पास दर: 43.9%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

10.63s

प्रतिक्रिया समय (अधिकतम): 86.23s

प्रतिक्रिया समय (कुल): 233.77s

गलत उत्तर: 7 अतिरिक्त फॉर्मेटिंग: 4 API त्रुटि: 2 निर्देशों का पालन नहीं किया: 2

Hamster playing table tennis

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

#223 KAT-Coder-Air V2.5

low

लागत: $0.004
समय: 29.9s
टोकन: 6,008 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 03:16 दोबारा परीक्षण	5.4	9.9	$0.046	वर्तमान रन
2026-07-16 23:32 नया टेस्ट जोड़ा गया	5.4	9.9	$0.041	तुलना करें
2026-07-14 11:05 पहला रन	6.0	9.7	$0.030	तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-08-14 03:16 · वर्तमान रन	66/66 प्रयास	5.4	7.8	9.9	7/22	6	60,414	61,094	$0.046	10.63s
2026-07-14 11:05 · पहला रन	63/63 प्रयास	6.0	7.6	9.7	7/21	6	39,091	42,464	$0.030	6.47s
अंतर	—	-0.6	+0.2	+0.2	0	0	+21323	+18630	+$0.016	+4159ms

बेंचमार्क कवरेज अलग है: 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत
2026-08-14 12:51	$0.150 / 1M	$0.600 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	7.3	5.8
कोडिंग	3.5	7.3
संयुक्त	6.4	5.8
डेटा पार्सिंग और निष्कर्षण	6.5	10.0
डोमेन-विशिष्ट	3.0	10.0
Samanya Buddhimatta	5.0	10.0
निर्देश पालन	9.8	10.0
पहेली समाधान	3.1	4.6
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

KAT-Coder-Air V2.5

मॉडल विवरण

Hamster playing table tennis

#223 KAT-Coder-Air V2.5

चार्ट

स्कोर के अनुसार शीर्ष मॉडल

स्कोर vs कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

तुलना किए गए मॉडल