नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

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

सारांश

KAT-Coder-Air V2.5 (low) average score मध्ये पुढे आहे: 6.0 vs 5.8. Qwen3.5 Plus 2026-02-15 चा benchmark खर्च कमी आहे: $0.016 vs $0.030. Qwen3.5 Plus 2026-02-15 वेगवान आहे: 2.31s vs 6.47s, pass rates 46.0% vs 46.0%.

शिफारस केलेले मॉडेलQwen3.5 Plus 2026-02-15Its score stays close to the best score here (5.8 vs 6.0), while costing about 1.9x less than KAT-Coder-Air V2.5 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low प्रकाशन: 2026-07-14 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none प्रकाशन: 2026-02-15
स्कोअर 6.0 5.8
क्रमांक #124 #130
विश्वसनीयता 9.7 10.0
सुसंगतता 7.6 9.4
बरोबर चाचण्या
प्रति प्रयत्न पास दर 46.0% 46.0%
अस्थिर चाचण्या 6 2
एकूण रन 63 63
प्रति निकाल खर्च 0.427 0.204
एकूण खर्च $0.030 $0.016
इनपुट किंमत $0.150 / 1M $0.260 / 1M
आउटपुट किंमत $0.600 / 1M $1.560 / 1M
एकूण इनपुट टोकन्स 42,464 45,864
आउटपुट टोकन्स 4,227 2,480
रिझनिंग टोकन्स 34,864 0
प्रतिसाद वेळ (सरासरी) 6.47s 2.31s
प्रतिसाद वेळ (कमाल) 25.49s 6.65s
प्रतिसाद वेळ (एकूण) 135.80s 34.63s

जनरेशन शोकेस

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

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

#130 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 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623
Qwen3.5 Plus 2026-02-15 4.3 7.9 11.1% 1 2.05s 7,913 473 0

झटपट तुलना

तुलना जोडी बदला