#173

KAT-Coder-Air V2.5

Kwaipilot रिलीज़: 2026-07-14 परीक्षण किया गया: 2026-07-16 23:28 kwaipilot/kat-coder-air-v2.5::none

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

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

सारांश

KAT-Coder-Air V2.5 AI BENCHY पर 4.8 स्कोर करता है और #173 पर है। इसकी reliability 10.0, pass rate 37.9%, कुल लागत $0.067, और औसत response time 12.17s 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

4.8

संगति

6.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.067

कुल आउटपुट टोकन

93,913

कुल इनपुट टोकन

69,367

इनपुट कीमत

$0.150 / 1M

आउटपुट कीमत

$0.600 / 1M

सही परीक्षण

गलत टेस्ट: 17

प्रति प्रयास पास दर: 37.9%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

12.17s

प्रतिक्रिया समय (अधिकतम): 121.05s

प्रतिक्रिया समय (कुल): 267.83s

गलत उत्तर: 13 अतिरिक्त फॉर्मेटिंग: 3 API त्रुटि: 1

Hamster playing table tennis

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

#173 KAT-Coder-Air V2.5

none

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

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 03:15 दोबारा परीक्षण	4.8	10.0	$0.070	तुलना करें
2026-07-16 23:28 नया टेस्ट जोड़ा गया	4.8	10.0	$0.067	वर्तमान रन
2026-07-14 11:05 पहला रन	4.9	10.0	$0.037	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)
2026-07-16 23:28 · नया टेस्ट जोड़ा गया	66/66 प्रयास	4.8	6.9	10.0	5/22	8	93,913	69,367	$0.067	12.17s
2026-07-14 11:05 · पहला रन	63/63 प्रयास	4.9	7.1	10.0	5/21	7	49,933	41,328	$0.037	6.99s
अंतर	—	-0.2	-0.2	0.0	0	+1	+43980	+28039	+$0.031	+5185ms

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
2026-07-14 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	3.8	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

मॉडल विवरण

Hamster playing table tennis

#173 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