AI BENCHY Compare

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

Rezumat

KAT-Coder-Air V2.5 (medium) conduce la scorul mediu cu 6.2 vs 6.1. Qwen3.5-Flash are costul de benchmark mai mic, $0.005 vs $0.045. Qwen3.5-Flash este mai rapid cu 3.58s vs 8.28s, cu rate de reușită de 47.6% 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 10.9x mai puțin decât KAT-Coder-Air V2.5 (medium).

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 medium 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 medium Lansare: 2026-07-14	Qwen3.5-Flash Qwen3.5-Flash none Lansare: 2026-02-24
Scor	6.2	6.1
Rang	#115	#119
Fiabilitate	9.7	10.0
Consistență	8.8	9.7
Teste corecte
Rată de trecere pe încercare	47.6%	39.7%
Teste instabile	3	1
Rulări totale	63	63
Cost per rezultat	0.562	0.075
Cost total	$0.045	$0.005
Preț de intrare	$0.150 / 1M	$0.065 / 1M
Preț de ieșire	$0.600 / 1M	$0.260 / 1M
Total tokenuri de intrare	42,750	46,439
Tokenuri de ieșire	7,759	4,276
Tokenuri de raționament	56,357	0
Timp de răspuns (mediu)	8.28s	3.58s
Timp de răspuns (maxim)	48.19s	27.18s
Timp de răspuns (total)	173.80s	75.28s

Prezentare generare

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium

Cost: $0.003
Timp: 23.7s
Tokenuri: 4,924 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
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		27.68s	15,132	372	4,816
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		3.65s	7,776	268	1,881
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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
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	5.0	10.0	0.0%	0		9.81s	516	189	557
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	10.0	10.0	100.0%	0		1.50s	699	93	730
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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
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	317	906
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		15.74s	204	20	7,662
Qwen3.5-Flash	3.0	10.0	0.0%	0		588ms	210	9	0

Comparație rapidă

Schimbă perechea de comparație