AI BENCHY 对比

Google: Gemini 3.5 Flash vs Kwaipilot: KAT-Coder-Air V2.5

摘要

Gemini 3.5 Flash (high) 平均分领先，为 9.8 vs 6.0。 KAT-Coder-Air V2.5 (low) benchmark 成本更低，为 $0.030 vs $1.115。 KAT-Coder-Air V2.5 (low) 更快，为 6.47s vs 8.84s，通过率为 96.8% vs 46.0%。

推荐模型Gemini 3.5 Flash (high)它在本次比较中得分最高（9.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

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

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14
分数	9.8	6.0
排名	#1	#124
可靠性	10.0	9.7
一致性	9.6	7.6
测试正确
尝试通过率	96.8%	46.0%
不稳定测试	1	6
总运行次数	63	63
每个结果成本	5.575	0.427
总成本	$1.115	$0.030
输入价格	$1.500 / 1M	$0.150 / 1M
输出价格	$9.000 / 1M	$0.600 / 1M
总输入令牌	37,594	42,464
输出令牌	1,975	4,227
推理令牌	115,638	34,864
响应时间（平均）	8.84s	6.47s
响应时间（最大）	34.82s	25.49s
响应时间（总计）	185.57s	135.80s

生成展示

Hamster playing table tennis

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

#1 Gemini 3.5 Flash

high

成本: $0.208
时间: 118.2s
令牌: 23,158 tok

#124 KAT-Coder-Air V2.5

low

成本: $0.004
时间: 29.9s
令牌: 6,008 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 3.5 Flash	10.0	10.0	100.0%	0		2.57s	492	174	4,997
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548

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 3.5 Flash	10.0	10.0	100.0%	0		22.96s	8,118	456	47,129
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623

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 3.5 Flash	10.0	10.0	100.0%	0		22.37s	12,873	351	16,323
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		25.49s	15,132	368	5,707

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 3.5 Flash	10.0	10.0	100.0%	0		6.43s	7,548	279	8,466
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069

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 3.5 Flash	7.6	7.2	77.8%	1		14.09s	633	12	24,721
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332

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 3.5 Flash	10.0	10.0	100.0%	0		3.63s	486	115	1,650
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596

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 3.5 Flash	10.0	10.0	100.0%	0		3.35s	615	70	3,799
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640

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 3.5 Flash	10.0	10.0	100.0%	0		3.23s	558	241	4,940
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796

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 3.5 Flash	9.8	10.0	100.0%	0		4.96s	6,115	265	1,608
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.47s	8,391	330	1,065

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 3.5 Flash	10.0	10.0	100.0%	0		3.94s	156	12	2,005
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488

快速对比

切换对比组合