AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-27B

摘要

KAT-Coder-Air V2.5 (high) 平均分领先，为 6.2 vs 5.9。 Qwen3.5-27B benchmark 成本更低，为 $0.015 vs $0.064。 Qwen3.5-27B 更快，为 1.68s vs 11.02s，通过率为 46.0% vs 38.1%。

推荐模型Qwen3.5-27B它的得分接近这里的最高分（5.9 vs 6.2），同时成本比KAT-Coder-Air V2.5 (high)低约 4.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Qwen3.5-27B Qwen3.5-27B none 发布日期: 2026-02-24

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Qwen3.5-27B Qwen3.5-27B none 发布日期: 2026-02-24
分数	6.2	5.9
排名	#111	#129
可靠性	9.7	10.0
一致性	7.6	9.3
测试正确
尝试通过率	46.0%	38.1%
不稳定测试	6	2
总运行次数	63	63
每个结果成本	0.910	0.249
总成本	$0.064	$0.015
输入价格	$0.150 / 1M	$0.195 / 1M
输出价格	$0.600 / 1M	$1.560 / 1M
总输入令牌	41,748	44,478
输出令牌	3,894	3,592
推理令牌	91,773	0
响应时间（平均）	11.02s	1.68s
响应时间（最大）	104.98s	9.39s
响应时间（总计）	231.37s	35.25s

生成展示

Hamster playing table tennis

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

#111 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#129 Qwen3.5-27B

none

成本: $0.007
时间: 42.9s
令牌: 4,273 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
Qwen3.5-27B	4.8	10.0	25.0%	0		788ms	696	267	0

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
Qwen3.5-27B	5.8	10.0	33.3%	0		1.80s	7,913	415	0

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
Qwen3.5-27B	2.8	1.6	33.3%	1		9.39s	16,918	1,461	0

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
Qwen3.5-27B	10.0	10.0	100.0%	0		1.43s	7,794	243	0

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
Qwen3.5-27B	3.0	10.0	0.0%	0		540ms	789	15	0

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
Qwen3.5-27B	5.0	10.0	0.0%	0		2.51s	522	126	0

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
Qwen3.5-27B	6.3	10.0	50.0%	0		1.03s	711	69	0

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
Qwen3.5-27B	6.7	7.9	55.6%	1		1.38s	714	683	0

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
Qwen3.5-27B	10.0	10.0	100.0%	0		3.54s	8,211	303	0

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
Qwen3.5-27B	3.0	10.0	0.0%	0		599ms	210	10	0

快速对比

切换对比组合