AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-Flash

Ringkasan

KAT-Coder-Air V2.5 (medium) unggul dalam skor rata-rata dengan 6.2 vs 6.1. Qwen3.5-Flash memiliki biaya benchmark lebih rendah di $0.005 vs $0.045. Qwen3.5-Flash lebih cepat di 3.58s vs 8.28s, dengan tingkat keberhasilan 47.6% vs 39.7%.

Model yang direkomendasikanQwen3.5-FlashIts score stays close to the best score here (6.1 vs 6.2), while costing about 10.9x less than KAT-Coder-Air V2.5 (medium).

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

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Rilis: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none Rilis: 2026-02-24

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Rilis: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none Rilis: 2026-02-24
Skor	6.2	6.1
Peringkat	#115	#119
Keandalan	9.7	10.0
Konsistensi	8.8	9.7
Tes benar
Tingkat lulus per percobaan	47.6%	39.7%
Tes tidak stabil	3	1
Total Run	63	63
Biaya per hasil	0.562	0.075
Total Biaya	$0.045	$0.005
Harga input	$0.150 / 1M	$0.065 / 1M
Harga output	$0.600 / 1M	$0.260 / 1M
Total token input	42,750	46,439
Token output	7,759	4,276
Token penalaran	56,357	0
Waktu respons (rata-rata)	8.28s	3.58s
Waktu respons (maks)	48.19s	27.18s
Waktu respons (total)	173.80s	75.28s

Showcase generasi

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium

Biaya: $0.003
Waktu: 23.7s
Token: 4,924 tok

#119 Qwen3.5-Flash

none

Biaya: $0.003
Waktu: 47.4s
Token: 7,799 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
KAT-Coder-Air V2.5	8.7	8.0	91.7%	1		3.79s	672	549	4,194
Qwen3.5-Flash	3.5	8.3	8.3%	1		1.32s	696	690	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
Qwen3.5-Flash	5.5	10.0	33.3%	0		850ms	7,913	519	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		27.68s	15,132	372	4,816
Qwen3.5-Flash	3.0	10.0	0.0%	0		6.22s	18,879	1,794	0

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.65s	7,776	268	1,881
Qwen3.5-Flash	10.0	10.0	100.0%	0		1.57s	7,794	243	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		4.87s	771	487	4,454
Qwen3.5-Flash	7.7	10.0	66.7%	0		905ms	789	15	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		9.81s	516	189	557
Qwen3.5-Flash	10.0	10.0	100.0%	0		803ms	522	100	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		1.50s	699	93	730
Qwen3.5-Flash	6.3	10.0	50.0%	0		8.81s	711	63	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	3.6	7.2	22.2%	1		1.87s	696	265	1,184
Qwen3.5-Flash	3.1	10.0	0.0%	0		10.89s	714	579	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	317	906
Qwen3.5-Flash	10.0	10.0	100.0%	0		3.67s	8,211	264	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		15.74s	204	20	7,662
Qwen3.5-Flash	3.0	10.0	0.0%	0		588ms	210	9	0

Perbandingan Cepat

Ganti Pasangan Perbandingan