#168

KAT-Coder-Air V2.5

Kwaipilot रिलीज़: 2026-07-14 परीक्षण किया गया: 2026-07-14 11:05 kwaipilot/kat-coder-air-v2.5::none

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

सारांश

KAT-Coder-Air V2.5 AI BENCHY पर 4.9 स्कोर करता है और #168 पर है। इसकी reliability 10.0, pass rate 38.1%, कुल लागत $0.037, और औसत response time 6.99s है।

KAT-Coder-Air V2.5 को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

स्कोर

4.9

संगति

7.1

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.037

कुल आउटपुट टोकन

49,933

कुल इनपुट टोकन

41,328

इनपुट कीमत

$0.150 / 1M

आउटपुट कीमत

$0.600 / 1M

सही परीक्षण

गलत टेस्ट: 16

प्रति प्रयास पास दर: 38.1%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

6.99s

प्रतिक्रिया समय (अधिकतम): 24.94s

प्रतिक्रिया समय (कुल): 146.78s

गलत उत्तर: 13 अतिरिक्त फॉर्मेटिंग: 3

जनरेशन शोकेस

Hamster playing table tennis

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

#168 KAT-Coder-Air V2.5

none

लागत: $0.002
समय: 14.5s
टोकन: 2,619 tok

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत
2026-07-14 11:25	$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	5.3	5.6
कोडिंग	3.3	9.6
संयुक्त	4.7	1.6
डेटा पार्सिंग और निष्कर्षण	6.3	5.8
डोमेन-विशिष्ट	2.9	7.2
Samanya Buddhimatta	5.0	10.0
निर्देश पालन	9.9	10.0
पहेली समाधान	2.9	4.4
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

KAT-Coder-Air V2.5

Hamster playing table tennis

#168 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