#168

KAT-Coder-Air V2.5

Kwaipilot प्रकाशन: 2026-07-14 चाचणी तारीख: 2026-07-14 11:05 kwaipilot/kat-coder-air-v2.5::none

(high) (medium) (low) (none)

सारांश

KAT-Coder-Air V2.5 AI BENCHY वर 4.9 स्कोर करते आणि #168 वर आहे. याची reliability 10.0, pass rate 38.1%, एकूण खर्च $0.037, आणि सरासरी response time 6.99s आहे.

KAT-Coder-Air V2.5 खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडी सोडवणे हा सर्वात कमकुवत भाग आहे, rank #15.

स्कोअर

4.9

सुसंगतता

7.1

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.037

एकूण आउटपुट टोकन्स

49,933

एकूण इनपुट टोकन्स

41,328

इनपुट किंमत

$0.150 / 1M

आउटपुट किंमत

$0.600 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 16

प्रति प्रयत्न पास दर: 38.1%

अस्थिर चाचण्या

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

प्रतिसाद वेळ (सरासरी)

6.99s

प्रतिसाद वेळ (कमाल): 24.94s

प्रतिसाद वेळ (एकूण): 146.78s

चुकीचे उत्तर: 13 अतिरिक्त फॉरमॅटिंग: 3

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

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख	इनपुट किंमत	आउटपुट किंमत
2026-07-14 11:25	$0.150 / 1M	$0.600 / 1M

चार्ट्स

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

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	5.3	5.6
कोडिंग	3.3	9.6
संयुक्त	4.7	1.6
डेटा पार्सिंग आणि निष्कर्षण	6.3	5.8
डोमेन-विशिष्ट	2.9	7.2
Samanya Buddhimatta	5.0	10.0
सूचनांचे पालन	9.9	10.0
कोडी सोडवणे	2.9	4.4
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

KAT-Coder-Air V2.5

Hamster playing table tennis

#168 KAT-Coder-Air V2.5

चार्ट्स

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर vs एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स