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 Poolside: Laguna XS 2.1

KAT-Coder-Air V2.5 (high) average score मध्ये पुढे आहे: 5.6 vs 5.3. Laguna XS 2.1 चा benchmark खर्च कमी आहे: $0.008 vs $0.077. Laguna XS 2.1 वेगवान आहे: 1.55s vs 15.90s, pass rates 43.9% vs 30.3%.

शिफारस केलेले मॉडेलLaguna XS 2.1Its score stays close to the best score here (5.3 vs 5.6), while costing about 10.8x less than KAT-Coder-Air V2.5 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-18

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high प्रकाशन: 2026-07-14 Laguna XS 2.1 Laguna XS 2.1 none प्रकाशन: 2026-07-02 मोफत उपलब्ध
स्कोअर 5.6 5.3
क्रमांक #140 #156
विश्वसनीयता 9.9 10.0
सुसंगतता 7.7 9.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 43.9% 30.3%
अस्थिर चाचण्या 6 3
एकूण रन 66 66
प्रति निकाल खर्च 1.097 0.143
एकूण खर्च $0.077 $0.008
इनपुट किंमत $0.150 / 1M $0.060 / 1M
आउटपुट किंमत $0.600 / 1M $0.120 / 1M
एकूण इनपुट टोकन्स 50,470 91,598
आउटपुट टोकन्स 3,957 13,377
रिझनिंग टोकन्स 111,374 0
प्रतिसाद वेळ (सरासरी) 15.90s 1.55s
प्रतिसाद वेळ (कमाल) 118.35s 19.02s
प्रतिसाद वेळ (एकूण) 349.71s 34.19s

Hamster playing table tennis

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

#140 KAT-Coder-Air V2.5

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

#156 Laguna XS 2.1

none
खर्च
$0.001
वेळ
27.6s
टोकन्स
4,344 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
Laguna XS 2.1 4.3 7.8 22.2% 1 623ms 7,995 562 0

झटपट तुलना

तुलना जोडी बदला