नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-27B

सारांश

KAT-Coder-Air V2.5 (high) average score मध्ये पुढे आहे: 6.2 vs 5.9. Qwen3.5-27B चा benchmark खर्च कमी आहे: $0.015 vs $0.064. Qwen3.5-27B वेगवान आहे: 1.68s vs 11.02s, pass rates 46.0% vs 38.1%.

शिफारस केलेले मॉडेलQwen3.5-27BIts score stays close to the best score here (5.9 vs 6.2), while costing about 4.5x less than KAT-Coder-Air V2.5 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-16

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high प्रकाशन: 2026-07-14 Qwen3.5-27B Qwen3.5-27B none प्रकाशन: 2026-02-24
स्कोअर 6.2 5.9
क्रमांक #111 #129
विश्वसनीयता 9.7 10.0
सुसंगतता 7.6 9.3
बरोबर चाचण्या
प्रति प्रयत्न पास दर 46.0% 38.1%
अस्थिर चाचण्या 6 2
एकूण रन 63 63
प्रति निकाल खर्च 0.910 0.249
एकूण खर्च $0.064 $0.015
इनपुट किंमत $0.150 / 1M $0.195 / 1M
आउटपुट किंमत $0.600 / 1M $1.560 / 1M
एकूण इनपुट टोकन्स 41,748 44,478
आउटपुट टोकन्स 3,894 3,592
रिझनिंग टोकन्स 91,773 0
प्रतिसाद वेळ (सरासरी) 11.02s 1.68s
प्रतिसाद वेळ (कमाल) 104.98s 9.39s
प्रतिसाद वेळ (एकूण) 231.37s 35.25s

जनरेशन शोकेस

Hamster playing table tennis

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

#111 KAT-Coder-Air V2.5

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

#129 Qwen3.5-27B

none
खर्च
$0.007
वेळ
42.9s
टोकन्स
4,273 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
Qwen3.5-27B 5.8 10.0 33.3% 0 1.80s 7,913 415 0

झटपट तुलना

तुलना जोडी बदला