AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs StepFun: Step 3.5 Flash

摘要

Step 3.5 Flash (medium) 平均分领先，为 6.6 vs 6.2。 KAT-Coder-Air V2.5 (high) benchmark 成本更低，为 $0.064 vs $0.070。 KAT-Coder-Air V2.5 (high) 更快，为 11.02s vs 72.53s，通过率为 46.0% vs 54.0%。

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 6.6），同时响应速度比Step 3.5 Flash (medium)快约 6.6 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	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	6.2	6.6
排名	#110	#98
可靠性	9.7	10.0
一致性	7.6	8.9
测试正确
尝试通过率	46.0%	54.0%
不稳定测试	6	1
总运行次数	63	60
每个结果成本	0.910	0.198
总成本	$0.064	$0.070
输入价格	$0.150 / 1M	$0.100 / 1M
输出价格	$0.600 / 1M	$0.300 / 1M
总输入令牌	41,748	34,431
输出令牌	3,894	91,587
推理令牌	91,773	195,973
响应时间（平均）	11.02s	72.53s
响应时间（最大）	104.98s	453.94s
响应时间（总计）	231.37s	1015.47s

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

#98 Step 3.5 Flash

medium

成本: $0.008
时间: 277.1s
令牌: 23,695 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
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

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
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

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
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

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
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

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
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

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
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

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
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

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
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

快速对比

切换对比组合