- स्कोर
- 5.0 (+0.01 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.000 · 100.0% सस्ता
- प्रतिक्रिया समय (औसत)
- 5.36s · 47.5% तेज़
Kwaipilot
रिलीज़: 2026-07-14
परीक्षण किया गया: 2026-10-01 02:59
kwaipilot/kat-coder-air-v2.5::low
~35B कुल (~3B सक्रिय)MoEबंद स्रोतअनुमानित
सारांश
KAT Coder AIR V2.5 AI BENCHY पर 5.0 स्कोर करता है और #329 पर है। इसकी reliability 9.9, pass rate 42.0%, कुल लागत $0.046, और औसत response time 10.21s है।
KAT Coder AIR V2.5 को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।
सुझाए गए विकल्प
हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:
- स्कोर
- 5.1 (+0.11 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.000 · 100.0% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.79s · 23.7% तेज़
- स्कोर
- 5.2 (+0.24 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.004 · 92.5% सस्ता
- प्रतिक्रिया समय (औसत)
- 3.40s · 66.7% तेज़
मॉडल विवरण
शोध की तारीख: 2026-08-12
- 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।
5.0
संगति
7.8
9.9
$0.046
कुल आउटपुट टोकन
60,414
कुल इनपुट टोकन
61,094
इनपुट कीमत
$0.150 / 1M
आउटपुट कीमत
$0.600 / 1M
कैश पढ़ने की कीमत
लागू नहीं
कैश लिखने की कीमत
लागू नहीं
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
अस्थिर टेस्ट
6
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#329 KAT Coder AIR V2.5
low- लागत
- $0.004
- समय
- 29.9s
- टोकन
- 6,008 tok
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-01 02:59 दोबारा परीक्षण | 5.0 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 02:59 · वर्तमान रन | 69/69 प्रयास | 5.0 | 7.8 | 9.9 | 7/23 | 6 | 60,414 | 61,094 | $0.046 | 10.21s |
| 2026-07-16 23:32 · नया टेस्ट जोड़ा गया | 66/66 प्रयास | 5.4 | 7.4 | 9.9 | 7/22 | 7 | 52,895 | 61,085 | $0.041 | 10.09s |
| अंतर | — | -0.4 | +0.4 | 0.0 | 0 | -1 | +7519 | +9 | +$0.005 | +119ms |
बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 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 | कैश पढ़ने की कीमत | कैश लिखने की कीमत |
|---|---|---|---|---|
| 2026-08-14 12:51 | $0.150 / 1M | $0.600 / 1M | लागू नहीं | लागू नहीं |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
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
KAT Coder AIR V2.5lowvsGPT-4o-minidefaultKAT Coder AIR V2.5lowvsInkling Smallnoneनिःशुल्क उपलब्धKAT Coder AIR V2.5lowvsDots 3 Note Previewdefaultनिःशुल्क उपलब्धKAT Coder AIR V2.5lowvsQwen3 Coder NextdefaultKAT Coder AIR V2.5lowvsMiniMax M2.7mediumKAT Coder AIR V2.5lowvsLaguna S 2.1highनिःशुल्क उपलब्धKAT Coder AIR V2.5lowvsMercury 2.5 PreviewlowKAT Coder AIR V2.5lowvsLing 2.6 1tdefaultKAT Coder AIR V2.5lowvsLaguna S 2.1mediumनिःशुल्क उपलब्धKAT Coder AIR V2.5lowvsMiMo-V2.5none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 3.0 | 10.0 | |
| 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 |