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 S 2.1

average score जवळपास समान आहे: 5.4 vs 5.4. KAT-Coder-Air V2.5 (low) चा benchmark खर्च कमी आहे: $0.041 vs $0.127. KAT-Coder-Air V2.5 (low) वेगवान आहे: 10.09s vs 111.61s, pass rates 45.5% vs 27.3%.

शिफारस केलेले मॉडेलKAT-Coder-Air V2.5 (low)It has the best score here (5.4), while costing about 3.1x less than Laguna S 2.1 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-22

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low प्रकाशन: 2026-07-14 Laguna S 2.1 Laguna S 2.1 high प्रकाशन: 2026-07-21 मोफत उपलब्ध
स्कोअर 5.4 5.4
क्रमांक #165 #167
विश्वसनीयता 9.9 9.9
सुसंगतता 7.4 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 45.5% 27.3%
अस्थिर चाचण्या 7 5
एकूण रन 66 66
प्रति निकाल खर्च 0.585 3.153
एकूण खर्च $0.041 $0.127
इनपुट किंमत $0.150 / 1M $0.100 / 1M
आउटपुट किंमत $0.600 / 1M $0.200 / 1M
एकूण इनपुट टोकन्स 61,085 208,931
आउटपुट टोकन्स 5,905 175,588
रिझनिंग टोकन्स 46,990 409,276
प्रतिसाद वेळ (सरासरी) 10.09s 111.61s
प्रतिसाद वेळ (कमाल) 86.23s 1190.11s
प्रतिसाद वेळ (एकूण) 222.03s 2455.39s

Hamster playing table tennis

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

#165 KAT-Coder-Air V2.5

low
खर्च
$0.004
वेळ
29.9s
टोकन्स
6,008 tok

#167 Laguna S 2.1

high
खर्च
$0.001
वेळ
6.8s
टोकन्स
1,389 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 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623
Laguna S 2.1 5.3 7.2 44.4% 1 271.42s 6,496 59,355 151,009

झटपट तुलना

तुलना जोडी बदला