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 MoonshotAI: Kimi K2.5

KAT-Coder-Air V2.5 (medium) average score मध्ये पुढे आहे: 5.6 vs 5.5. KAT-Coder-Air V2.5 (medium) चा benchmark खर्च कमी आहे: $0.048 vs $0.127. KAT-Coder-Air V2.5 (medium) वेगवान आहे: 8.42s vs 19.15s, pass rates 45.5% vs 34.9%.

शिफारस केलेले मॉडेलKAT-Coder-Air V2.5 (medium)It has the best score here (5.6), while costing about 2.7x less than Kimi K2.5.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium प्रकाशन: 2026-07-14 Kimi K2.5 Kimi K2.5 none प्रकाशन: 2026-01-27
स्कोअर 5.6 5.5
क्रमांक #142 #148
विश्वसनीयता 9.9 10.0
सुसंगतता 8.9 8.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 45.5% 34.9%
अस्थिर चाचण्या 3 4
एकूण रन 66 66
प्रति निकाल खर्च 0.593 1.898
एकूण खर्च $0.048 $0.127
इनपुट किंमत $0.150 / 1M $0.571 / 1M
आउटपुट किंमत $0.600 / 1M $2.850 / 1M
एकूण इनपुट टोकन्स 51,472 89,322
आउटपुट टोकन्स 7,822 26,638
रिझनिंग टोकन्स 58,352 0
प्रतिसाद वेळ (सरासरी) 8.42s 19.15s
प्रतिसाद वेळ (कमाल) 48.19s 102.83s
प्रतिसाद वेळ (एकूण) 185.24s 287.30s

Hamster playing table tennis

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

#142 KAT-Coder-Air V2.5

medium
खर्च
$0.003
वेळ
23.7s
टोकन्स
4,924 tok

#148 MoonshotAI: Kimi K2.5

none
खर्च
$0.015
वेळ
89.1s
टोकन्स
5,421 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 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973
Kimi K2.5 5.5 10.0 33.3% 0 24.56s 7,311 4,708 0

झटपट तुलना

तुलना जोडी बदला