AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs Kwaipilot: KAT-Coder-Air V2.5

摘要

KAT-Coder-Air V2.5 (medium) 平均分领先，为 6.2 vs 5.5。 DeepSeek V4 Flash benchmark 成本更低，为 $0.007 vs $0.045。 KAT-Coder-Air V2.5 (medium) 更快，为 8.28s vs 26.75s，通过率为 30.2% vs 47.6%。

推荐模型KAT-Coder-Air V2.5 (medium)它在这里得分最高（6.2），同时响应速度比DeepSeek V4 Flash快约 3.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	DeepSeek V4 Flash DeepSeek V4 Flash none 发布日期: 2026-04-24	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14

指标	DeepSeek V4 Flash DeepSeek V4 Flash none 发布日期: 2026-04-24	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14
分数	5.5	6.2
排名	#142	#115
可靠性	10.0	9.7
一致性	8.9	8.8
测试正确
尝试通过率	30.2%	47.6%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	0.203	0.562
总成本	$0.007	$0.045
输入价格	$0.090 / 1M	$0.150 / 1M
输出价格	$0.180 / 1M	$0.600 / 1M
总输入令牌	50,127	42,750
输出令牌	13,710	7,759
推理令牌	0	56,357
响应时间（平均）	26.75s	8.28s
响应时间（最大）	111.96s	48.19s
响应时间（总计）	561.82s	173.80s

生成展示

Hamster playing table tennis

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

#142 DeepSeek V4 Flash

none

成本: $0.004
时间: 157.6s
令牌: 11,297 tok

#115 KAT-Coder-Air V2.5

medium

成本: $0.003
时间: 23.7s
令牌: 4,924 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	3.0	10.0	0.0%	0		20.18s	540	174	0
KAT-Coder-Air V2.5	8.7	8.0	91.7%	1		3.79s	672	549	4,194

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	4.2	7.4	11.1%	1		17.13s	7,279	9,717	0
KAT-Coder-Air V2.5	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	4.5	2.1	66.7%	1		111.96s	24,398	2,664	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		27.68s	15,132	372	4,816

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		23.79s	7,290	195	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.65s	7,776	268	1,881

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	5.3	10.0	33.3%	0		19.73s	666	18	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		4.87s	771	487	4,454

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	4.2	9.9	0.0%	0		23.74s	471	67	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		9.81s	516	189	557

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	6.5	10.0	50.0%	0		17.54s	627	321	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		1.50s	699	93	730

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	3.1	7.3	11.1%	1		23.72s	594	207	0
KAT-Coder-Air V2.5	3.6	7.2	22.2%	1		1.87s	696	265	1,184

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		77.93s	8,079	327	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	317	906

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	3.0	10.0	0.0%	0		3.07s	183	20	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		15.74s	204	20	7,662

快速对比

切换对比组合