AI BENCHY 对比

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

摘要

平均分几乎持平，为 6.1 vs 6.2。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.013 vs $0.045。 Gemini 3.1 Flash Lite 更快，为 1.06s vs 8.28s，通过率为 52.4% vs 47.6%。

推荐模型Gemini 3.1 Flash Lite它在这里得分最高（6.1），同时成本比KAT-Coder-Air V2.5 (medium)低约 3.5 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 none 发布日期: 2026-05-08	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none 发布日期: 2026-05-08	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14
分数	6.1	6.2
排名	#118	#115
可靠性	10.0	9.7
一致性	8.6	8.8
测试正确
尝试通过率	52.4%	47.6%
不稳定测试	4	3
总运行次数	63	63
每个结果成本	0.144	0.562
总成本	$0.013	$0.045
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	36,710	42,750
输出令牌	2,484	7,759
推理令牌	0	56,357
响应时间（平均）	1.06s	8.28s
响应时间（最大）	2.97s	48.19s
响应时间（总计）	22.35s	173.80s

生成展示

Hamster playing table tennis

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

#118 Gemini 3.1 Flash Lite

none

成本: $0.001
时间: 4.5s
令牌: 727 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
Gemini 3.1 Flash Lite	7.5	8.4	66.7%	1		1.07s	506	639	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
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		938ms	8,128	666	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
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		2.73s	12,870	357	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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		843ms	7,267	279	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
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		762ms	647	15	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
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		992ms	486	63	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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		859ms	619	72	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
Gemini 3.1 Flash Lite	6.3	4.8	66.7%	2		720ms	570	150	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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.97s	5,457	234	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
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		733ms	160	9	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