#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

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

(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।

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

4.9

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

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

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	तुलना करें
2026-07-14 11:05 पहला रन	4.9	10.0	$0.037	वर्तमान रन

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-07-14 11:05 · पहला रन	63/63 प्रयास	4.9	7.1	10.0	5/21	7	49,933	41,328	$0.037	6.99s
2026-08-14 03:15 · दोबारा परीक्षण	66/66 प्रयास	4.8	7.2	10.0	5/22	7	97,752	69,376	$0.070	12.46s
अंतर	—	+0.1	-0.1	0.0	0	0	-47819	-28048	-$0.033	-5470ms

बेंचमार्क कवरेज अलग है: 63/63 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
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

मॉडल विवरण

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