नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5 Plus 2026-02-15

सारांश

Qwen3.5 Plus 2026-02-15 average score मध्ये पुढे आहे: 6.4 vs 5.6. Qwen3.5 Plus 2026-02-15 चा benchmark खर्च कमी आहे: $0.073 vs $0.077. Qwen3.5 Plus 2026-02-15 वेगवान आहे: 9.85s vs 15.90s, pass rates 43.9% vs 48.5%.

शिफारस केलेले मॉडेलQwen3.5 Plus 2026-02-15It has the best score here (6.4), while responding about 1.6x faster than KAT-Coder-Air V2.5 (high).

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 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none प्रकाशन: 2026-02-15
स्कोअर 5.6 6.4
क्रमांक #137 #102
विश्वसनीयता 9.9 10.0
सुसंगतता 7.7 9.4
बरोबर चाचण्या
प्रति प्रयत्न पास दर 43.9% 48.5%
अस्थिर चाचण्या 6 2
एकूण रन 66 66
प्रति निकाल खर्च 1.097 0.751
एकूण खर्च $0.077 $0.073
इनपुट किंमत $0.150 / 1M $0.260 / 1M
आउटपुट किंमत $0.600 / 1M $1.560 / 1M
एकूण इनपुट टोकन्स 50,470 102,646
आउटपुट टोकन्स 3,957 29,370
रिझनिंग टोकन्स 111,374 0
प्रतिसाद वेळ (सरासरी) 15.90s 9.85s
प्रतिसाद वेळ (कमाल) 118.35s 123.00s
प्रतिसाद वेळ (एकूण) 349.71s 157.63s

जनरेशन शोकेस

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

#102 Qwen3.5 Plus 2026-02-15

none
खर्च
$0.012
वेळ
153.2s
टोकन्स
7,787 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 Plus 2026-02-15 4.3 7.9 11.1% 1 2.05s 7,913 473 0

झटपट तुलना

तुलना जोडी बदला