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

Google: Gemini 3.1 Flash Lite vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

Gemini 3.1 Flash Lite (minimal) average score मध्ये पुढे आहे: 6.1 vs 6.0. Gemini 3.1 Flash Lite (minimal) चा benchmark खर्च कमी आहे: $0.013 vs $0.030. Gemini 3.1 Flash Lite (minimal) वेगवान आहे: 1.33s vs 6.47s, pass rates 54.0% vs 46.0%.

शिफारस केलेले मॉडेलGemini 3.1 Flash Lite (minimal)It has the best score here (6.1), while costing about 2.3x less than KAT-Coder-Air V2.5 (low).

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

मेट्रिक Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal प्रकाशन: 2026-05-08 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low प्रकाशन: 2026-07-14
स्कोअर 6.1 6.0
क्रमांक #116 #124
विश्वसनीयता 10.0 9.7
सुसंगतता 8.8 7.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 54.0% 46.0%
अस्थिर चाचण्या 3 6
एकूण रन 63 63
प्रति निकाल खर्च 0.130 0.427
एकूण खर्च $0.013 $0.030
इनपुट किंमत $0.250 / 1M $0.150 / 1M
आउटपुट किंमत $1.500 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 36,973 42,464
आउटपुट टोकन्स 2,487 4,227
रिझनिंग टोकन्स 0 34,864
प्रतिसाद वेळ (सरासरी) 1.33s 6.47s
प्रतिसाद वेळ (कमाल) 4.49s 25.49s
प्रतिसाद वेळ (एकूण) 27.91s 135.80s

जनरेशन शोकेस

Hamster playing table tennis

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

#116 Gemini 3.1 Flash Lite

minimal
खर्च
$0.001
वेळ
3.7s
टोकन्स
635 tok

#124 KAT-Coder-Air V2.5

low
खर्च
$0.004
वेळ
29.9s
टोकन्स
6,008 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
Gemini 3.1 Flash Lite 5.5 10.0 33.3% 0 831ms 8,126 666 0
KAT-Coder-Air V2.5 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623

झटपट तुलना

तुलना जोडी बदला