नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Z.ai: GLM 5.1

सारांश

KAT-Coder-Air V2.5 (low) average score मध्ये पुढे आहे: 6.0 vs 5.6. KAT-Coder-Air V2.5 (low) चा benchmark खर्च कमी आहे: $0.030 vs $0.057. GLM 5.1 वेगवान आहे: 4.10s vs 6.47s, pass rates 46.0% vs 41.3%.

शिफारस केलेले मॉडेलKAT-Coder-Air V2.5 (low)It has the best score here (6.0), while costing about 1.9x less than GLM 5.1.

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 GLM 5.1 GLM 5.1 none प्रकाशन: 2026-04-07
स्कोअर 6.0 5.6
क्रमांक #124 #141
विश्वसनीयता 9.7 10.0
सुसंगतता 7.6 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 46.0% 41.3%
अस्थिर चाचण्या 6 4
एकूण रन 63 63
प्रति निकाल खर्च 0.427 0.843
एकूण खर्च $0.030 $0.057
इनपुट किंमत $0.150 / 1M $0.966 / 1M
आउटपुट किंमत $0.600 / 1M $3.036 / 1M
एकूण इनपुट टोकन्स 42,464 47,133
आउटपुट टोकन्स 4,227 3,754
रिझनिंग टोकन्स 34,864 0
प्रतिसाद वेळ (सरासरी) 6.47s 4.10s
प्रतिसाद वेळ (कमाल) 25.49s 32.57s
प्रतिसाद वेळ (एकूण) 135.80s 86.18s

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

#141 GLM 5.1

none
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 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
GLM 5.1 3.9 9.7 0.0% 0 4.96s 7,256 525 0

झटपट तुलना

तुलना जोडी बदला