नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

ByteDance Seed: Seed-2.0-Lite vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

average score जवळपास समान आहे: 6.2 vs 6.2. Seed-2.0-Lite चा benchmark खर्च कमी आहे: $0.019 vs $0.045. Seed-2.0-Lite वेगवान आहे: 2.49s vs 8.28s, pass rates 46.0% vs 47.6%.

शिफारस केलेले मॉडेलSeed-2.0-LiteIt has the best score here (6.2), while costing about 2.5x less than KAT-Coder-Air V2.5 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक Seed-2.0-Lite Seed-2.0-Lite none प्रकाशन: 2026-02-14 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium प्रकाशन: 2026-07-14
स्कोअर 6.2 6.2
क्रमांक #112 #115
विश्वसनीयता 10.0 9.7
सुसंगतता 8.4 8.8
बरोबर चाचण्या
प्रति प्रयत्न पास दर 46.0% 47.6%
अस्थिर चाचण्या 4 3
एकूण रन 63 63
प्रति निकाल खर्च 0.228 0.562
एकूण खर्च $0.019 $0.045
इनपुट किंमत $0.250 / 1M $0.150 / 1M
आउटपुट किंमत $2.000 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 46,573 42,750
आउटपुट टोकन्स 3,259 7,759
रिझनिंग टोकन्स 0 56,357
प्रतिसाद वेळ (सरासरी) 2.49s 8.28s
प्रतिसाद वेळ (कमाल) 6.70s 48.19s
प्रतिसाद वेळ (एकूण) 52.26s 173.80s

जनरेशन शोकेस

Hamster playing table tennis

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

#112 Seed-2.0-Lite

none
खर्च
$0.005
वेळ
83.8s
टोकन्स
2,311 tok

#115 KAT-Coder-Air V2.5

medium
खर्च
$0.003
वेळ
23.7s
टोकन्स
4,924 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Seed-2.0-Lite 5.6 10.0 33.3% 0 2.83s 8,215 410 0
KAT-Coder-Air V2.5 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973

झटपट तुलना

तुलना जोडी बदला