नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Google: Gemini 3 Flash Preview vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

Gemini 3 Flash Preview (medium) average score मध्ये पुढे आहे: 9.6 vs 4.9. KAT-Coder-Air V2.5 चा benchmark खर्च कमी आहे: $0.037 vs $0.667. KAT-Coder-Air V2.5 वेगवान आहे: 6.99s vs 18.64s, pass rates 98.4% vs 38.1%.

शिफारस केलेले मॉडेलGemini 3 Flash Preview (medium)It has the strongest score in this comparison (9.6) and the best overall balance of cost and response time across all 2 models.

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

मेट्रिक Gemini 3 Flash Preview Gemini 3 Flash Preview medium प्रकाशन: 2025-12-17 KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 none प्रकाशन: 2026-07-14
स्कोअर 9.6 4.9
क्रमांक #2 #168
विश्वसनीयता 10.0 10.0
सुसंगतता 9.7 7.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 98.4% 38.1%
अस्थिर चाचण्या 1 7
एकूण रन 63 63
प्रति निकाल खर्च 3.335 0.724
एकूण खर्च $0.667 $0.037
इनपुट किंमत $0.500 / 1M $0.150 / 1M
आउटपुट किंमत $3.000 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 37,017 41,328
आउटपुट टोकन्स 2,006 49,933
रिझनिंग टोकन्स 214,153 0
प्रतिसाद वेळ (सरासरी) 18.64s 6.99s
प्रतिसाद वेळ (कमाल) 117.26s 24.94s
प्रतिसाद वेळ (एकूण) 391.35s 146.78s

जनरेशन शोकेस

Hamster playing table tennis

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

#2 Gemini 3 Flash Preview

medium
खर्च
$0.010
वेळ
17.9s
टोकन्स
3,236 tok

#168 KAT-Coder-Air V2.5

none
खर्च
$0.002
वेळ
14.5s
टोकन्स
2,619 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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
KAT-Coder-Air V2.5 3.3 9.6 0.0% 0 14.31s 6,472 16,918 0

झटपट तुलना

तुलना जोडी बदला