AI BENCHY Compare

Google: Gemma 4 31B vs Kwaipilot: KAT-Coder-Air V2.5

Rezumat

KAT-Coder-Air V2.5 (high) conduce la scorul mediu cu 6.2 vs 6.1. Gemma 4 31B are costul de benchmark mai mic, $0.002 vs $0.064. Gemma 4 31B este mai rapid cu 4.05s vs 11.02s, cu rate de reușită de 47.6% vs 46.0%.

Model recomandatGemma 4 31BScorul rămâne aproape de cel mai bun scor de aici (6.1 vs 6.2) și costă de aproximativ 36.4x 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	Gemma 4 31B Gemma 4 31B none Lansare: 2026-04-02 Disponibil gratuit	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14

Metrică	Gemma 4 31B Gemma 4 31B none Lansare: 2026-04-02 Disponibil gratuit	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14
Scor	6.1	6.2
Rang	#120	#110
Fiabilitate	10.0	9.7
Consistență	10.0	7.6
Teste corecte
Rată de trecere pe încercare	47.6%	46.0%
Teste instabile	0	6
Rulări totale	63	63
Cost per rezultat	0.034	0.910
Cost total	$0.002	$0.064
Preț de intrare	$0.060 / 1M	$0.150 / 1M
Preț de ieșire	$0.350 / 1M	$0.600 / 1M
Total tokenuri de intrare	20,911	41,748
Tokenuri de ieșire	1,407	3,894
Tokenuri de raționament	0	91,773
Timp de răspuns (mediu)	4.05s	11.02s
Timp de răspuns (maxim)	26.13s	104.98s
Timp de răspuns (total)	76.87s	231.37s

Prezentare generare

Hamster playing table tennis

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

#120 Gemma 4 31B

none

Cost: $0.001
Timp: 12.8s
Tokenuri: 795 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
Gemma 4 31B	6.5	10.0	50.0%	0		1.85s	852	45	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
Gemma 4 31B	5.5	10.0	33.3%	0		11.19s	8,381	735	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
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	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
Gemma 4 31B	10.0	10.0	100.0%	0		2.25s	8,352	285	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
Gemma 4 31B	7.7	10.0	66.7%	0		3.22s	903	27	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
Gemma 4 31B	10.0	10.0	100.0%	0		2.09s	576	117	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
Gemma 4 31B	6.5	10.0	50.0%	0		2.84s	795	78	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
Gemma 4 31B	6.5	10.0	33.3%	0		4.23s	828	108	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
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	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
Gemma 4 31B	3.0	10.0	0.0%	0		1.25s	224	12	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