AI BENCHY Compare

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

概要

KAT-Coder-Air V2.5 (high) が平均スコアでリードし、6.2 vs 6.1 です。 Qwen3.5-Flash の benchmark コストが低く、$0.005 vs $0.064 です。 Qwen3.5-Flash の方が高速で、3.58s vs 11.02s です、成功率は 46.0% vs 39.7% です。

おすすめモデルQwen3.5-Flashスコアはここでの最高値に近く（6.1 vs 6.2）、KAT-Coder-Air V2.5 (high) より約 15.4 倍低コストです。

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	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high リリース: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none リリース: 2026-02-24

指標	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high リリース: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none リリース: 2026-02-24
スコア	6.2	6.1
順位	#110	#119
信頼性	9.7	10.0
一貫性	7.6	9.7
正解テスト
試行ごとの合格率	46.0%	39.7%
不安定なテスト	6	1
総実行回数	63	63
結果あたりのコスト	0.910	0.075
合計コスト	$0.064	$0.005
入力価格	$0.150 / 1M	$0.065 / 1M
出力価格	$0.600 / 1M	$0.260 / 1M
合計入力トークン	41,748	46,439
出力トークン	3,894	4,276
推論トークン	91,773	0
応答時間（平均）	11.02s	3.58s
応答時間（最大）	104.98s	27.18s
応答時間（合計）	231.37s	75.28s

生成ショーケース

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

無効なSVG

コスト: $0.000
時間: 300.0s
トークン: 0 tok

#119 Qwen3.5-Flash

none

コスト: $0.003
時間: 47.4s
トークン: 7,799 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
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
Qwen3.5-Flash	3.5	8.3	8.3%	1		1.32s	696	690	0

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
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
Qwen3.5-Flash	5.5	10.0	33.3%	0		850ms	7,913	519	0

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
Qwen3.5-Flash	3.0	10.0	0.0%	0		6.22s	18,879	1,794	0

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
Qwen3.5-Flash	10.0	10.0	100.0%	0		1.57s	7,794	243	0

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
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
Qwen3.5-Flash	7.7	10.0	66.7%	0		905ms	789	15	0

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
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
Qwen3.5-Flash	10.0	10.0	100.0%	0		803ms	522	100	0

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
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
Qwen3.5-Flash	6.3	10.0	50.0%	0		8.81s	711	63	0

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
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
Qwen3.5-Flash	3.1	10.0	0.0%	0		10.89s	714	579	0

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
Qwen3.5-Flash	10.0	10.0	100.0%	0		3.67s	8,211	264	0

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
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
Qwen3.5-Flash	3.0	10.0	0.0%	0		588ms	210	9	0

クイック比較

比較ペアを切り替え