AI BENCHY Compare

Google: Gemini 3 Flash Preview vs Kwaipilot: KAT-Coder-Air V2.5

Rezumat

Gemini 3 Flash Preview (medium) conduce la scorul mediu cu 9.6 vs 6.2. KAT-Coder-Air V2.5 (medium) are costul de benchmark mai mic, $0.045 vs $0.667. KAT-Coder-Air V2.5 (medium) este mai rapid cu 8.28s vs 18.64s, cu rate de reușită de 98.4% vs 47.6%.

Model recomandatGemini 3 Flash Preview (medium)Are cel mai puternic scor din această comparație (9.6) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

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

Metrică	Gemini 3 Flash Preview Gemini 3 Flash Preview medium Lansare: 2025-12-17	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lansare: 2026-07-14

Metrică	Gemini 3 Flash Preview Gemini 3 Flash Preview medium Lansare: 2025-12-17	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lansare: 2026-07-14
Scor	9.6	6.2
Rang	#2	#115
Fiabilitate	10.0	9.7
Consistență	9.7	8.8
Teste corecte
Rată de trecere pe încercare	98.4%	47.6%
Teste instabile	1	3
Rulări totale	63	63
Cost per rezultat	3.335	0.562
Cost total	$0.667	$0.045
Preț de intrare	$0.500 / 1M	$0.150 / 1M
Preț de ieșire	$3.000 / 1M	$0.600 / 1M
Total tokenuri de intrare	37,017	42,750
Tokenuri de ieșire	2,006	7,759
Tokenuri de raționament	214,153	56,357
Timp de răspuns (mediu)	18.64s	8.28s
Timp de răspuns (maxim)	117.26s	48.19s
Timp de răspuns (total)	391.35s	173.80s

Prezentare generare

Hamster playing table tennis

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

#2 Gemini 3 Flash Preview

medium

Cost: $0.010
Timp: 17.9s
Tokenuri: 3,236 tok

#115 KAT-Coder-Air V2.5

medium

Cost: $0.003
Timp: 23.7s
Tokenuri: 4,924 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 Flash Preview	10.0	10.0	100.0%	0		3.88s	494	330	3,216
KAT-Coder-Air V2.5	8.7	8.0	91.7%	1		3.79s	672	549	4,194

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 Flash Preview	8.6	7.6	88.9%	1		84.40s	8,122	462	161,084
KAT-Coder-Air V2.5	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973

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 Flash Preview	10.0	10.0	100.0%	0		22.42s	12,873	351	10,485
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		27.68s	15,132	372	4,816

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 Flash Preview	10.0	10.0	100.0%	0		5.43s	7,548	279	4,893
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.65s	7,776	268	1,881

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 Flash Preview	10.0	10.0	100.0%	0		15.27s	633	12	21,684
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		4.87s	771	487	4,454

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 Flash Preview	10.0	10.0	100.0%	0		5.19s	486	72	1,905
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		9.81s	516	189	557

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 Flash Preview	10.0	10.0	100.0%	0		4.04s	615	72	2,709
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		1.50s	699	93	730

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 Flash Preview	10.0	10.0	100.0%	0		4.05s	558	183	4,365
KAT-Coder-Air V2.5	3.6	7.2	22.2%	1		1.87s	696	265	1,184

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 Flash Preview	10.0	10.0	100.0%	0		12.60s	5,532	234	1,487
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	317	906

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 Flash Preview	10.0	10.0	100.0%	0		5.50s	156	11	2,325
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		15.74s	204	20	7,662

Comparație rapidă

Schimbă perechea de comparație