AI BENCHY Compare

Google: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

Ringkasan

Gemma 4 31B (medium) unggul dalam skor rata-rata dengan 6.3 vs 6.2. Gemma 4 31B (medium) memiliki biaya benchmark lebih rendah di $0.032 vs $0.064. KAT-Coder-Air V2.5 (high) lebih cepat di 11.02s vs 56.55s, dengan tingkat keberhasilan 69.8% vs 46.0%.

Model yang direkomendasikanGemma 4 31B (medium)It has the best score here (6.3), while costing about 2.0x less than KAT-Coder-Air V2.5 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

Metrik	Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14

Metrik	Gemma 4 31B Gemma 4 31B medium Rilis: 2026-04-02 Tersedia gratis	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14
Skor	6.3	6.2
Peringkat	#107	#110
Keandalan	10.0	9.7
Konsistensi	9.4	7.6
Tes benar
Tingkat lulus per percobaan	69.8%	46.0%
Tes tidak stabil	1	6
Total Run	63	63
Biaya per hasil	0.257	0.910
Total Biaya	$0.032	$0.064
Harga input	$0.060 / 1M	$0.150 / 1M
Harga output	$0.350 / 1M	$0.600 / 1M
Total token input	17,957	41,748
Token output	22,356	3,894
Token penalaran	65,726	91,773
Waktu respons (rata-rata)	56.55s	11.02s
Waktu respons (maks)	437.40s	104.98s
Waktu respons (total)	1074.41s	231.37s

Showcase generasi

Hamster playing table tennis

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

#107 Gemma 4 31B

medium

Biaya: $0.002
Waktu: 45.7s
Token: 2,696 tok

#110 KAT-Coder-Air V2.5

high

SVG tidak valid

Biaya: $0.000
Waktu: 300.0s
Token: 0 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	4,349	8,985
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	105	888
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028

Perbandingan Cepat

Ganti Pasangan Perbandingan