AI BENCHY Compare

DeepSeek: DeepSeek V4 Flash vs Kwaipilot: KAT-Coder-Air V2.5

概要

KAT-Coder-Air V2.5 (low) が平均スコアでリードし、6.0 vs 5.5 です。 DeepSeek V4 Flash の benchmark コストが低く、$0.007 vs $0.030 です。 KAT-Coder-Air V2.5 (low) の方が高速で、6.47s vs 26.75s です、成功率は 30.2% vs 46.0% です。

おすすめモデルKAT-Coder-Air V2.5 (low)ここでは最高スコア（6.0）で、DeepSeek V4 Flash より約 4.1 倍速く応答します。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-14

指標	DeepSeek V4 Flash DeepSeek V4 Flash none リリース: 2026-04-24	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low リリース: 2026-07-14

指標	DeepSeek V4 Flash DeepSeek V4 Flash none リリース: 2026-04-24	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low リリース: 2026-07-14
スコア	5.5	6.0
順位	#142	#124
信頼性	10.0	9.7
一貫性	8.9	7.6
正解テスト
試行ごとの合格率	30.2%	46.0%
不安定なテスト	3	6
総実行回数	63	63
結果あたりのコスト	0.203	0.427
合計コスト	$0.007	$0.030
入力価格	$0.090 / 1M	$0.150 / 1M
出力価格	$0.180 / 1M	$0.600 / 1M
合計入力トークン	50,127	42,464
出力トークン	13,710	4,227
推論トークン	0	34,864
応答時間（平均）	26.75s	6.47s
応答時間（最大）	111.96s	25.49s
応答時間（合計）	561.82s	135.80s

生成ショーケース

Hamster playing table tennis

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

#142 DeepSeek V4 Flash

none

コスト: $0.004
時間: 157.6s
トークン: 11,297 tok

#124 KAT-Coder-Air V2.5

low

コスト: $0.004
時間: 29.9s
トークン: 6,008 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	3.0	10.0	0.0%	0		20.18s	540	174	0
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	4.2	7.4	11.1%	1		17.13s	7,279	9,717	0
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	4.5	2.1	66.7%	1		111.96s	24,398	2,664	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		25.49s	15,132	368	5,707

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	10.0	10.0	100.0%	0		23.79s	7,290	195	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	5.3	10.0	33.3%	0		19.73s	666	18	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	4.2	9.9	0.0%	0		23.74s	471	67	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	6.5	10.0	50.0%	0		17.54s	627	321	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	3.1	7.3	11.1%	1		23.72s	594	207	0
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	10.0	10.0	100.0%	0		77.93s	8,079	327	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.47s	8,391	330	1,065

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
DeepSeek V4 Flash	3.0	10.0	0.0%	0		3.07s	183	20	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488

クイック比較

比較ペアを切り替え