AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs NVIDIA: Nemotron 3 Super

摘要

Nemotron 3 Super (medium) 平均分领先，为 6.3 vs 6.2。 Nemotron 3 Super (medium) benchmark 成本更低，为 $0.020 vs $0.064。 KAT-Coder-Air V2.5 (high) 更快，为 11.02s vs 32.00s，通过率为 46.0% vs 41.3%。

推荐模型KAT-Coder-Air V2.5 (high)它的得分接近这里的最高分（6.2 vs 6.3），同时响应速度比Nemotron 3 Super (medium)快约 2.9 倍。

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

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Nemotron 3 Super Nemotron 3 Super medium 发布日期: 2026-03-11 免费可用

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Nemotron 3 Super Nemotron 3 Super medium 发布日期: 2026-03-11 免费可用
分数	6.2	6.3
排名	#110	#105
可靠性	9.7	10.0
一致性	7.6	9.2
测试正确
尝试通过率	46.0%	41.3%
不稳定测试	6	2
总运行次数	63	63
每个结果成本	0.910	0.004
总成本	$0.064	$0.020
输入价格	$0.150 / 1M	$0.080 / 1M
输出价格	$0.600 / 1M	$0.450 / 1M
总输入令牌	41,748	37,527
输出令牌	3,894	14,850
推理令牌	91,773	33,754
响应时间（平均）	11.02s	32.00s
响应时间（最大）	104.98s	232.25s
响应时间（总计）	231.37s	607.91s

生成展示

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#105 Nemotron 3 Super

medium

成本: $0.000
时间: 272.6s
令牌: 5,296 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
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
Nemotron 3 Super	8.3	10.0	75.0%	0		7.85s	686	748	1,305

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
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
Nemotron 3 Super	3.1	10.0	0.0%	0		147.32s	2,275	797	4,424

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
Nemotron 3 Super	10.0	10.0	100.0%	0		87.80s	15,561	2,021	9,996

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
Nemotron 3 Super	10.0	10.0	100.0%	0		18.16s	7,944	877	2,607

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
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
Nemotron 3 Super	2.9	4.4	22.2%	2		16.19s	456	5,255	6,072

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
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
Nemotron 3 Super	4.1	10.0	0.0%	0		6.91s	492	105	363

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
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
Nemotron 3 Super	7.3	10.0	50.0%	0		6.97s	723	956	2,383

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
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
Nemotron 3 Super	3.0	10.0	0.0%	0		3.15s	708	570	1,322

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
Nemotron 3 Super	10.0	10.0	100.0%	0		39.75s	8,544	270	1,969

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
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
Nemotron 3 Super	3.0	10.0	0.0%	0		55.32s	138	3,251	3,313

快速对比

切换对比组合