AI BENCHY Compare

Google: Gemini 3.1 Flash Lite vs Kwaipilot: KAT-Coder-Air V2.5

Rezumat

KAT-Coder-Air V2.5 (high) conduce la scorul mediu cu 6.2 vs 6.1. Gemini 3.1 Flash Lite (minimal) are costul de benchmark mai mic, $0.013 vs $0.064. Gemini 3.1 Flash Lite (minimal) este mai rapid cu 1.33s vs 11.02s, cu rate de reușită de 54.0% vs 46.0%.

Model recomandatGemini 3.1 Flash Lite (minimal)Scorul rămâne aproape de cel mai bun scor de aici (6.1 vs 6.2) și costă de aproximativ 4.9x mai puțin decât KAT-Coder-Air V2.5 (high).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-14

Metrică	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal Lansare: 2026-05-08	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14

Metrică	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal Lansare: 2026-05-08	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14
Scor	6.1	6.2
Rang	#116	#110
Fiabilitate	10.0	9.7
Consistență	8.8	7.6
Teste corecte
Rată de trecere pe încercare	54.0%	46.0%
Teste instabile	3	6
Rulări totale	63	63
Cost per rezultat	0.130	0.910
Cost total	$0.013	$0.064
Preț de intrare	$0.250 / 1M	$0.150 / 1M
Preț de ieșire	$1.500 / 1M	$0.600 / 1M
Total tokenuri de intrare	36,973	41,748
Tokenuri de ieșire	2,487	3,894
Tokenuri de raționament	0	91,773
Timp de răspuns (mediu)	1.33s	11.02s
Timp de răspuns (maxim)	4.49s	104.98s
Timp de răspuns (total)	27.91s	231.37s

Prezentare generare

Hamster playing table tennis

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

#116 Gemini 3.1 Flash Lite

minimal

Cost: $0.001
Timp: 3.7s
Tokenuri: 635 tok

#110 KAT-Coder-Air V2.5

high

SVG invalid

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	8.3	10.0	75.0%	0		1.10s	500	639	0
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		831ms	8,126	666	0
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		2.53s	12,870	357	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.04s	7,552	279	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		1.02s	641	15	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		791ms	490	63	0
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		932ms	615	72	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	6.0	4.6	66.7%	2		2.15s	564	153	0
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		3.51s	5,457	234	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		724ms	158	9	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.1 Flash LiteminimalvsKAT-Coder-Air V2.5medium Seed-2.0-LitenonevsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Lunalow Gemini 3.1 Flash LiteminimalvsQwen3.5-Flashnone KAT-Coder-Air V2.5highvsGPT-5.5none Gemini 3.1 Flash LiteminimalvsGPT-5.6 Lunalow Seed-2.0-LitenonevsGemini 3.1 Flash Liteminimal KAT-Coder-Air V2.5highvsQwen3.5-35B-A3Bmedium Gemini 2.5 FlashnonevsKAT-Coder-Air V2.5high Gemini 3.1 Flash LiteminimalvsNemotron 3 Ultra 550b A55bnoneDisponibil gratuit Gemma 4 31BmediumDisponibil gratuitvsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Solnone