AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs Kwaipilot: KAT-Coder-Air V2.5

摘要

KAT-Coder-Air V2.5 (high) 平均分领先，为 6.2 vs 6.1。 Gemini 3.1 Flash Lite (minimal) benchmark 成本更低，为 $0.013 vs $0.064。 Gemini 3.1 Flash Lite (minimal) 更快，为 1.33s vs 11.02s，通过率为 54.0% vs 46.0%。

推荐模型Gemini 3.1 Flash Lite (minimal)它的得分接近这里的最高分（6.1 vs 6.2），同时成本比KAT-Coder-Air V2.5 (high)低约 4.9 倍。

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

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14
分数	6.1	6.2
排名	#116	#110
可靠性	10.0	9.7
一致性	8.8	7.6
测试正确
尝试通过率	54.0%	46.0%
不稳定测试	3	6
总运行次数	63	63
每个结果成本	0.130	0.910
总成本	$0.013	$0.064
输入价格	$0.250 / 1M	$0.150 / 1M
输出价格	$1.500 / 1M	$0.600 / 1M
总输入令牌	36,973	41,748
输出令牌	2,487	3,894
推理令牌	0	91,773
响应时间（平均）	1.33s	11.02s
响应时间（最大）	4.49s	104.98s
响应时间（总计）	27.91s	231.37s

生成展示

Hamster playing table tennis

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

#116 Gemini 3.1 Flash Lite

minimal

成本: $0.001
时间: 3.7s
令牌: 635 tok

#110 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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
Gemini 3.1 Flash Lite	8.3	10.0	75.0%	0		1.10s	500	639	0
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290

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
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		831ms	8,126	666	0
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883

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
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		2.53s	12,870	357	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958

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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.04s	7,552	279	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140

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
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		1.02s	641	15	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602

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
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		791ms	490	63	0
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539

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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		932ms	615	72	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675

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
Gemini 3.1 Flash Lite	6.0	4.6	66.7%	2		2.15s	564	153	0
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576

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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		3.51s	5,457	234	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082

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
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		724ms	158	9	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028

快速对比

切换对比组合

Gemini 3.1 Flash LiteminimalvsKAT-Coder-Air V2.5medium Seed-2.0-LitenonevsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Lunalow Gemini 3.1 Flash LiteminimalvsQwen3.5-Flashnone KAT-Coder-Air V2.5highvsGPT-5.5none Gemini 3.1 Flash LiteminimalvsGPT-5.6 Lunalow Seed-2.0-LitenonevsGemini 3.1 Flash Liteminimal KAT-Coder-Air V2.5highvsQwen3.5-35B-A3Bmedium Gemini 2.5 FlashnonevsKAT-Coder-Air V2.5high Gemini 3.1 Flash LiteminimalvsNemotron 3 Ultra 550b A55bnone免费可用 Gemma 4 31Bmedium免费可用vsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Solnone