नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Mistral: Mistral Small 4

सारांश

Mistral Small 4 (medium) average score मध्ये पुढे आहे: 5.1 vs 4.9. KAT-Coder-Air V2.5 चा benchmark खर्च कमी आहे: $0.037 vs $0.068. KAT-Coder-Air V2.5 वेगवान आहे: 6.99s vs 9.40s, pass rates 38.1% vs 44.4%.

शिफारस केलेले मॉडेलMistral Small 4 (medium)It has the strongest score in this comparison (5.1) 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 none प्रकाशन: 2026-07-14 Mistral Small 4 Mistral Small 4 medium प्रकाशन: 2026-03-16
स्कोअर 4.9 5.1
क्रमांक #168 #160
विश्वसनीयता 10.0 10.0
सुसंगतता 7.1 6.9
बरोबर चाचण्या
प्रति प्रयत्न पास दर 38.1% 44.4%
अस्थिर चाचण्या 7 8
एकूण रन 63 63
प्रति निकाल खर्च 0.724 1.344
एकूण खर्च $0.037 $0.068
इनपुट किंमत $0.150 / 1M $0.150 / 1M
आउटपुट किंमत $0.600 / 1M $0.600 / 1M
एकूण इनपुट टोकन्स 41,328 42,576
आउटपुट टोकन्स 49,933 24,184
रिझनिंग टोकन्स 0 84,678
प्रतिसाद वेळ (सरासरी) 6.99s 9.40s
प्रतिसाद वेळ (कमाल) 24.94s 59.15s
प्रतिसाद वेळ (एकूण) 146.78s 197.39s

जनरेशन शोकेस

Hamster playing table tennis

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

#168 KAT-Coder-Air V2.5

none
खर्च
$0.002
वेळ
14.5s
टोकन्स
2,619 tok

#160 Mistral Small 4

medium
खर्च
$0.006
वेळ
47.9s
टोकन्स
9,857 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 3.3 9.6 0.0% 0 14.31s 6,472 16,918 0
Mistral Small 4 4.4 5.1 33.3% 2 39.98s 7,636 11,635 54,715

झटपट तुलना

तुलना जोडी बदला