AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-27B

Rezumat

KAT-Coder-Air V2.5 (medium) conduce la scorul mediu cu 6.2 vs 5.9. Qwen3.5-27B are costul de benchmark mai mic, $0.015 vs $0.045. Qwen3.5-27B este mai rapid cu 1.68s vs 8.28s, cu rate de reușită de 47.6% vs 38.1%.

Model recomandatQwen3.5-27BScorul rămâne aproape de cel mai bun scor de aici (5.9 vs 6.2) și costă de aproximativ 3.1x mai puțin decât KAT-Coder-Air V2.5 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-16

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lansare: 2026-07-14	Qwen3.5-27B Qwen3.5-27B none Lansare: 2026-02-24

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lansare: 2026-07-14	Qwen3.5-27B Qwen3.5-27B none Lansare: 2026-02-24
Scor	6.2	5.9
Rang	#116	#129
Fiabilitate	9.7	10.0
Consistență	8.8	9.3
Teste corecte
Rată de trecere pe încercare	47.6%	38.1%
Teste instabile	3	2
Rulări totale	63	63
Cost per rezultat	0.562	0.249
Cost total	$0.045	$0.015
Preț de intrare	$0.150 / 1M	$0.195 / 1M
Preț de ieșire	$0.600 / 1M	$1.560 / 1M
Total tokenuri de intrare	42,750	44,478
Tokenuri de ieșire	7,759	3,592
Tokenuri de raționament	56,357	0
Timp de răspuns (mediu)	8.28s	1.68s
Timp de răspuns (maxim)	48.19s	9.39s
Timp de răspuns (total)	173.80s	35.25s

Prezentare generare

Hamster playing table tennis

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

#116 KAT-Coder-Air V2.5

medium

Cost: $0.003
Timp: 23.7s
Tokenuri: 4,924 tok

#129 Qwen3.5-27B

none

Cost: $0.007
Timp: 42.9s
Tokenuri: 4,273 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
Qwen3.5-27B	4.8	10.0	25.0%	0		788ms	696	267	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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
Qwen3.5-27B	5.8	10.0	33.3%	0		1.80s	7,913	415	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		27.68s	15,132	372	4,816
Qwen3.5-27B	2.8	1.6	33.3%	1		9.39s	16,918	1,461	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		3.65s	7,776	268	1,881
Qwen3.5-27B	10.0	10.0	100.0%	0		1.43s	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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
Qwen3.5-27B	3.0	10.0	0.0%	0		540ms	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	5.0	10.0	0.0%	0		9.81s	516	189	557
Qwen3.5-27B	5.0	10.0	0.0%	0		2.51s	522	126	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	10.0	10.0	100.0%	0		1.50s	699	93	730
Qwen3.5-27B	6.3	10.0	50.0%	0		1.03s	711	69	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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
Qwen3.5-27B	6.7	7.9	55.6%	1		1.38s	714	683	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	317	906
Qwen3.5-27B	10.0	10.0	100.0%	0		3.54s	8,211	303	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		15.74s	204	20	7,662
Qwen3.5-27B	3.0	10.0	0.0%	0		599ms	210	10	0

Comparație rapidă

Schimbă perechea de comparație