AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-Flash

Rezumat

KAT-Coder-Air V2.5 (high) conduce la scorul mediu cu 6.2 vs 6.1. Qwen3.5-Flash are costul de benchmark mai mic, $0.005 vs $0.064. Qwen3.5-Flash este mai rapid cu 3.58s vs 11.02s, cu rate de reușită de 46.0% vs 39.7%.

Model recomandatQwen3.5-FlashScorul rămâne aproape de cel mai bun scor de aici (6.1 vs 6.2) și costă de aproximativ 15.4x 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	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none Lansare: 2026-02-24

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none Lansare: 2026-02-24
Scor	6.2	6.1
Rang	#110	#119
Fiabilitate	9.7	10.0
Consistență	7.6	9.7
Teste corecte
Rată de trecere pe încercare	46.0%	39.7%
Teste instabile	6	1
Rulări totale	63	63
Cost per rezultat	0.910	0.075
Cost total	$0.064	$0.005
Preț de intrare	$0.150 / 1M	$0.065 / 1M
Preț de ieșire	$0.600 / 1M	$0.260 / 1M
Total tokenuri de intrare	41,748	46,439
Tokenuri de ieșire	3,894	4,276
Tokenuri de raționament	91,773	0
Timp de răspuns (mediu)	11.02s	3.58s
Timp de răspuns (maxim)	104.98s	27.18s
Timp de răspuns (total)	231.37s	75.28s

Prezentare generare

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

SVG invalid

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

#119 Qwen3.5-Flash

none

Cost: $0.003
Timp: 47.4s
Tokenuri: 7,799 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
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
Qwen3.5-Flash	3.5	8.3	8.3%	1		1.32s	696	690	0

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
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
Qwen3.5-Flash	5.5	10.0	33.3%	0		850ms	7,913	519	0

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
Qwen3.5-Flash	3.0	10.0	0.0%	0		6.22s	18,879	1,794	0

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
Qwen3.5-Flash	10.0	10.0	100.0%	0		1.57s	7,794	243	0

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
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
Qwen3.5-Flash	7.7	10.0	66.7%	0		905ms	789	15	0

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
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
Qwen3.5-Flash	10.0	10.0	100.0%	0		803ms	522	100	0

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
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
Qwen3.5-Flash	6.3	10.0	50.0%	0		8.81s	711	63	0

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
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
Qwen3.5-Flash	3.1	10.0	0.0%	0		10.89s	714	579	0

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
Qwen3.5-Flash	10.0	10.0	100.0%	0		3.67s	8,211	264	0

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
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
Qwen3.5-Flash	3.0	10.0	0.0%	0		588ms	210	9	0

Comparație rapidă

Schimbă perechea de comparație