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 Qwen: Qwen3.6 27B

KAT-Coder-Air V2.5 (high) average score मध्ये पुढे आहे: 5.6 vs 5.5. KAT-Coder-Air V2.5 (high) चा benchmark खर्च कमी आहे: $0.077 vs $0.087. Qwen3.6 27B वेगवान आहे: 10.65s vs 15.90s, pass rates 43.9% vs 45.5%.

शिफारस केलेले मॉडेलQwen3.6 27BIt offers the best overall trade-off: a competitive score (5.5), faster response than KAT-Coder-Air V2.5 (high), and balanced cost.

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 Qwen3.6 27B Qwen3.6 27B none प्रकाशन: 2026-04-20
स्कोअर 5.6 5.5
क्रमांक #137 #145
विश्वसनीयता 9.9 10.0
सुसंगतता 7.7 7.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 43.9% 45.5%
अस्थिर चाचण्या 6 6
एकूण रन 66 66
प्रति निकाल खर्च 1.097 1.220
एकूण खर्च $0.077 $0.087
इनपुट किंमत $0.150 / 1M $0.450 / 1M
आउटपुट किंमत $0.600 / 1M $2.700 / 1M
एकूण इनपुट टोकन्स 50,470 95,796
आउटपुट टोकन्स 3,957 16,155
रिझनिंग टोकन्स 111,374 0
प्रतिसाद वेळ (सरासरी) 15.90s 10.65s
प्रतिसाद वेळ (कमाल) 118.35s 156.31s
प्रतिसाद वेळ (एकूण) 349.71s 234.39s

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

#145 Qwen3.6 27B

none
खर्च
$0.009
वेळ
83.0s
टोकन्स
4,549 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
Qwen3.6 27B 5.5 10.0 33.3% 0 4.16s 7,913 539 0

झटपट तुलना

तुलना जोडी बदला