AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-27B

概要

KAT-Coder-Air V2.5 (low) が平均スコアでリードし、6.0 vs 5.9 です。 Qwen3.5-27B の benchmark コストが低く、$0.015 vs $0.030 です。 Qwen3.5-27B の方が高速で、1.68s vs 6.47s です、成功率は 46.0% vs 38.1% です。

おすすめモデルQwen3.5-27Bスコアはここでの最高値に近く（5.9 vs 6.0）、KAT-Coder-Air V2.5 (low) より約 2.1 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 low リリース: 2026-07-14	Qwen3.5-27B Qwen3.5-27B none リリース: 2026-02-24

指標	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low リリース: 2026-07-14	Qwen3.5-27B Qwen3.5-27B none リリース: 2026-02-24
スコア	6.0	5.9
順位	#124	#128
信頼性	9.7	10.0
一貫性	7.6	9.3
正解テスト
試行ごとの合格率	46.0%	38.1%
不安定なテスト	6	2
総実行回数	63	63
結果あたりのコスト	0.427	0.249
合計コスト	$0.030	$0.015
入力価格	$0.150 / 1M	$0.195 / 1M
出力価格	$0.600 / 1M	$1.560 / 1M
合計入力トークン	42,464	44,478
出力トークン	4,227	3,592
推論トークン	34,864	0
応答時間（平均）	6.47s	1.68s
応答時間（最大）	25.49s	9.39s
応答時間（合計）	135.80s	35.25s

生成ショーケース

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

low

コスト: $0.004
時間: 29.9s
トークン: 6,008 tok

#128 Qwen3.5-27B

none

コスト: $0.007
時間: 42.9s
トークン: 4,273 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	7.3	5.8	83.3%	2		3.50s	672	422	1,548
Qwen3.5-27B	4.8	10.0	25.0%	0		788ms	696	267	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	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623
Qwen3.5-27B	5.8	10.0	33.3%	0		1.80s	7,913	415	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		25.49s	15,132	368	5,707
Qwen3.5-27B	2.8	1.6	33.3%	1		9.39s	16,918	1,461	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		2.82s	7,776	261	1,069
Qwen3.5-27B	10.0	10.0	100.0%	0		1.43s	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		4.99s	553	310	3,332
Qwen3.5-27B	3.0	10.0	0.0%	0		540ms	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	5.0	10.0	0.0%	0		10.11s	516	142	596
Qwen3.5-27B	5.0	10.0	0.0%	0		2.51s	522	126	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		1.64s	699	89	640
Qwen3.5-27B	6.3	10.0	50.0%	0		1.03s	711	69	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	3.1	4.6	22.2%	2		1.57s	696	294	796
Qwen3.5-27B	6.7	7.9	55.6%	1		1.38s	714	683	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		4.47s	8,391	330	1,065
Qwen3.5-27B	10.0	10.0	100.0%	0		3.54s	8,211	303	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		19.98s	136	10	6,488
Qwen3.5-27B	3.0	10.0	0.0%	0		599ms	210	10	0

クイック比較

比較ペアを切り替え