Advertise here
#329

KAT Coder AIR V2.5

Kwaipilot प्रकाशन: 2026-07-14 चाचणी तारीख: 2026-10-01 02:59 kwaipilot/kat-coder-air-v2.5::low
~35B एकूण (~3B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low) (default)

सारांश

KAT Coder AIR V2.5 AI BENCHY वर 5.0 स्कोर करते आणि #329 वर आहे. याची reliability 9.9, pass rate 42.0%, एकूण खर्च $0.046, आणि सरासरी response time 10.21s आहे.

KAT Coder AIR V2.5 खास का आहे: हे सूचनांचे पालन मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #14.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~35B एकूण (~3B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

5.0

सुसंगतता

7.8

विश्वसनीयता

9.9

एकूण खर्च (सध्याची किंमत)

$0.046

एकूण आउटपुट टोकन्स

60,414

एकूण इनपुट टोकन्स

61,094

इनपुट किंमत

$0.150 / 1M

आउटपुट किंमत

$0.600 / 1M

कॅश वाचण्याची किंमत

लागू नाही

कॅश लिहिण्याची किंमत

लागू नाही

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

बरोबर चाचण्या

चुकीच्या चाचण्या: 16

प्रति प्रयत्न पास दर: 42.0%

अस्थिर चाचण्या

6

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

10.21s

प्रतिसाद वेळ (कमाल): 86.23s

प्रतिसाद वेळ (एकूण): 234.86s

चुकीचे उत्तर: 7 अतिरिक्त फॉरमॅटिंग: 4 API त्रुटी: 3 सूचनांचे पालन केले नाही: 2

Hamster playing table tennis

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

#329 KAT Coder AIR V2.5

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

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-10-01 02:59 पुन्हा चाचणी 5.0 9.9 $0.046 सध्याची रन
2026-07-16 23:32 नवीन चाचणी जोडली 5.4 9.9 $0.041 तुलना करा
2026-07-14 11:05 पहिला रन 6.0 9.7 $0.030 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-10-01 02:59 · सध्याची रन69/69 प्रयत्न5.07.89.97/23660,41461,094$0.04610.21s
2026-07-16 23:32 · नवीन चाचणी जोडली66/66 प्रयत्न5.47.49.97/22752,89561,085$0.04110.09s
फरक—-0.4+0.40.00-1+7519+9+$0.005+119ms

बेंचमार्क कव्हरेज वेगळे आहे: 69/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 66/66 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत कॅश वाचण्याची किंमत कॅश लिहिण्याची किंमत
2026-08-14 12:51 $0.150 / 1M $0.600 / 1M लागू नाही लागू नाही

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

KAT Coder AIR V2.5lowvsGPT-4o-minidefaultKAT Coder AIR V2.5lowvsInkling Smallnoneमोफत उपलब्धKAT Coder AIR V2.5lowvsDots 3 Note Previewdefaultमोफत उपलब्धKAT Coder AIR V2.5lowvsQwen3 Coder NextdefaultKAT Coder AIR V2.5lowvsMiniMax M2.7mediumKAT Coder AIR V2.5lowvsLaguna S 2.1highमोफत उपलब्धKAT Coder AIR V2.5lowvsMercury 2.5 PreviewlowKAT Coder AIR V2.5lowvsLing 2.6 1tdefaultKAT Coder AIR V2.5lowvsLaguna S 2.1mediumमोफत उपलब्धKAT Coder AIR V2.5lowvsMiMo-V2.5none

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 3.0 10.0
अँटी-एआय युक्त्या 7.3 5.8
कोडिंग 3.5 7.3
संयुक्त 6.4 5.8
डेटा पार्सिंग आणि निष्कर्षण 6.5 10.0
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 5.0 10.0
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 3.1 4.6
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स