Kwaipilot: KAT-Coder-Air V2.5 vs Mistral: Mistral Small 4

KAT-Coder-Air V2.5 (low) лидирует по среднему баллу: 5.4 vs 5.1. Mistral Small 4 имеет более низкую стоимость benchmark: $0.022 vs $0.041. Mistral Small 4 быстрее: 1.20s vs 10.09s, с долей успешных попыток 45.5% vs 25.8%.

Рекомендуемая модельMistral Small 4Его балл близок к лучшему здесь (5.1 против 5.4), при этом он примерно в 1.9 раза дешевле, чем KAT-Coder-Air V2.5 (low).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-17

Метрика	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Релиз: 2026-07-14	Mistral Small 4 Mistral Small 4 none Релиз: 2026-03-16

Метрика	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Релиз: 2026-07-14	Mistral Small 4 Mistral Small 4 none Релиз: 2026-03-16
Оценка	5.4	5.1
Ранг	#151	#157
Надежность	9.9	10.0
Стабильность	7.4	9.6
Тестов верно
Доля успешных попыток	45.5%	25.8%
Нестабильные тесты	7	1
Всего запусков	66	66
Стоимость за результат	0.585	0.432
Общая стоимость	$0.041	$0.022
Цена входа	$0.150 / 1M	$0.150 / 1M
Цена выхода	$0.600 / 1M	$0.600 / 1M
Общее число входных токенов	61,085	104,708
Выходные токены	5,905	9,812
Токены рассуждений	46,990	0
Время ответа (среднее)	10.09s	1.20s
Время ответа (макс.)	86.23s	13.16s
Время ответа (суммарно)	222.03s	26.38s

Hamster playing table tennis

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

#151 KAT-Coder-Air V2.5

low

Стоимость: $0.004
Время: 29.9s
Токены: 6,008 tok

#157 Mistral Small 4

none

Стоимость: $0.002
Время: 10.4s
Токены: 2,370 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548
Mistral Small 4	3.4	7.9	16.7%	1		395ms	708	182	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623
Mistral Small 4	3.7	9.7	0.0%	0		901ms	7,636	619	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	6.4	5.8	66.7%	1		55.86s	33,753	2,046	17,833
Mistral Small 4	3.0	10.0	0.0%	0		7.44s	79,039	8,107	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069
Mistral Small 4	10.0	10.0	100.0%	0		822ms	7,914	261	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332
Mistral Small 4	5.3	10.0	33.3%	0		367ms	798	28	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596
Mistral Small 4	4.0	10.0	0.0%	0		729ms	519	205	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640
Mistral Small 4	6.5	10.0	50.0%	0		380ms	729	69	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796
Mistral Small 4	3.1	9.9	0.0%	0		399ms	735	111	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.47s	8,391	330	1,065
Mistral Small 4	10.0	10.0	100.0%	0		1.40s	6,420	213	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488
Mistral Small 4	3.0	10.0	0.0%	0		397ms	210	17	0

Быстрое сравнение

Сменить пару сравнения