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: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

सारांश

KAT-Coder-Air V2.5 (high) average score मध्ये पुढे आहे: 6.2 vs 6.1. Gemma 4 31B चा benchmark खर्च कमी आहे: $0.002 vs $0.064. Gemma 4 31B वेगवान आहे: 4.05s vs 11.02s, pass rates 47.6% vs 46.0%.

शिफारस केलेले मॉडेलGemma 4 31BIts score stays close to the best score here (6.1 vs 6.2), while costing about 36.4x less than KAT-Coder-Air V2.5 (high).

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

मेट्रिक Gemma 4 31B Gemma 4 31B none प्रकाशन: 2026-04-02 मोफत उपलब्ध KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high प्रकाशन: 2026-07-14
स्कोअर 6.1 6.2
क्रमांक #120 #110
विश्वसनीयता 10.0 9.7
सुसंगतता 10.0 7.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 47.6% 46.0%
अस्थिर चाचण्या 0 6
एकूण रन 63 63
प्रति निकाल खर्च 0.034 0.910
एकूण खर्च $0.002 $0.064
इनपुट किंमत $0.060 / 1M $0.150 / 1M
आउटपुट किंमत $0.350 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 20,911 41,748
आउटपुट टोकन्स 1,407 3,894
रिझनिंग टोकन्स 0 91,773
प्रतिसाद वेळ (सरासरी) 4.05s 11.02s
प्रतिसाद वेळ (कमाल) 26.13s 104.98s
प्रतिसाद वेळ (एकूण) 76.87s 231.37s

जनरेशन शोकेस

Hamster playing table tennis

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

#120 Gemma 4 31B

none
खर्च
$0.001
वेळ
12.8s
टोकन्स
795 tok

#110 KAT-Coder-Air V2.5

high
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 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
Gemma 4 31B 5.5 10.0 33.3% 0 11.19s 8,381 735 0
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883

झटपट तुलना

तुलना जोडी बदला