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

Kwaipilot: KAT-Coder-Air V2.5 vs MoonshotAI: Kimi K2.6

Kimi K2.6 average score मध्ये पुढे आहे: 5.8 vs 5.6. KAT-Coder-Air V2.5 (high) चा benchmark खर्च कमी आहे: $0.077 vs $0.233. KAT-Coder-Air V2.5 (high) वेगवान आहे: 15.90s vs 19.58s, pass rates 43.9% vs 34.9%.

शिफारस केलेले मॉडेलKAT-Coder-Air V2.5 (high)Its score stays close to the best score here (5.6 vs 5.8), while costing about 3.0x less than Kimi K2.6.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high प्रकाशन: 2026-07-14 Kimi K2.6 Kimi K2.6 none प्रकाशन: 2026-04-20
स्कोअर 5.6 5.8
क्रमांक #137 #131
विश्वसनीयता 9.9 10.0
सुसंगतता 7.7 9.3
बरोबर चाचण्या
प्रति प्रयत्न पास दर 43.9% 34.9%
अस्थिर चाचण्या 6 2
एकूण रन 66 66
प्रति निकाल खर्च 1.097 3.199
एकूण खर्च $0.077 $0.233
इनपुट किंमत $0.150 / 1M $0.950 / 1M
आउटपुट किंमत $0.600 / 1M $4.000 / 1M
एकूण इनपुट टोकन्स 50,470 116,970
आउटपुट टोकन्स 3,957 30,253
रिझनिंग टोकन्स 111,374 0
प्रतिसाद वेळ (सरासरी) 15.90s 19.58s
प्रतिसाद वेळ (कमाल) 118.35s 238.89s
प्रतिसाद वेळ (एकूण) 349.71s 430.85s

Hamster playing table tennis

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

#137 KAT-Coder-Air V2.5

high
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#131 MoonshotAI: Kimi K2.6

none
खर्च
$0.020
वेळ
127.4s
टोकन्स
4,429 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
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883
Kimi K2.6 5.5 9.8 33.3% 0 82.57s 5,986 14,754 0

झटपट तुलना

तुलना जोडी बदला