नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Nemotron 3 Ultra 550b A55b

सारांश

Nemotron 3 Ultra 550b A55b (medium) average score मध्ये पुढे आहे: 8.1 vs 6.2. KAT-Coder-Air V2.5 (medium) चा benchmark खर्च कमी आहे: $0.045 vs $0.158. KAT-Coder-Air V2.5 (medium) वेगवान आहे: 8.28s vs 15.05s, pass rates 47.6% vs 69.8%.

शिफारस केलेले मॉडेलNemotron 3 Ultra 550b A55b (medium)It has the strongest score in this comparison (8.1) and the best overall balance of cost and response time across all 2 models.

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

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium प्रकाशन: 2026-07-14 Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium प्रकाशन: 2026-06-04 मोफत उपलब्ध
स्कोअर 6.2 8.1
क्रमांक #115 #31
विश्वसनीयता 9.7 9.7
सुसंगतता 8.8 8.8
बरोबर चाचण्या
प्रति प्रयत्न पास दर 47.6% 69.8%
अस्थिर चाचण्या 3 3
एकूण रन 63 63
प्रति निकाल खर्च 0.562 0.000
एकूण खर्च $0.045 $0.158
इनपुट किंमत $0.150 / 1M $0.500 / 1M
आउटपुट किंमत $0.600 / 1M $2.200 / 1M
एकूण इनपुट टोकन्स 42,750 46,813
आउटपुट टोकन्स 7,759 18,002
रिझनिंग टोकन्स 56,357 53,091
प्रतिसाद वेळ (सरासरी) 8.28s 15.05s
प्रतिसाद वेळ (कमाल) 48.19s 43.93s
प्रतिसाद वेळ (एकूण) 173.80s 316.09s

जनरेशन शोकेस

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

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

#31 Nemotron 3 Ultra 550b A55b

medium
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 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973
Nemotron 3 Ultra 550b A55b 8.4 7.4 88.9% 1 26.53s 7,686 2,854 17,725

झटपट तुलना

तुलना जोडी बदला