Kwaipilot: KAT-Coder-Air V2.5 vs Mistral: Mistral Small 4

KAT-Coder-Air V2.5 (low) 平均分领先，为 5.4 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.022 vs $0.041。 Mistral Small 4 更快，为 1.20s vs 10.09s，通过率为 45.5% vs 25.8%。

推荐模型Mistral Small 4它的得分接近这里的最高分（5.1 vs 5.4），同时成本比KAT-Coder-Air V2.5 (low)低约 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16
分数	5.4	5.1
排名	#151	#157
可靠性	9.9	10.0
一致性	7.4	9.6
测试正确
尝试通过率	45.5%	25.8%
不稳定测试	7	1
总运行次数	66	66
每个结果成本	0.585	0.432
总成本	$0.041	$0.022
输入价格	$0.150 / 1M	$0.150 / 1M
输出价格	$0.600 / 1M	$0.600 / 1M
总输入令牌	61,085	104,708
输出令牌	5,905	9,812
推理令牌	46,990	0
响应时间（平均）	10.09s	1.20s
响应时间（最大）	86.23s	13.16s
响应时间（总计）	222.03s	26.38s

Hamster playing table tennis

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

#151 KAT-Coder-Air V2.5

low

成本: $0.004
时间: 29.9s
令牌: 6,008 tok

#157 Mistral Small 4

none

成本: $0.002
时间: 10.4s
令牌: 2,370 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	7.3	5.8	83.3%	2		3.50s	672	422	1,548
Mistral Small 4	3.4	7.9	16.7%	1		395ms	708	182	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	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623
Mistral Small 4	3.7	9.7	0.0%	0		901ms	7,636	619	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	6.4	5.8	66.7%	1		55.86s	33,753	2,046	17,833
Mistral Small 4	3.0	10.0	0.0%	0		7.44s	79,039	8,107	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		2.82s	7,776	261	1,069
Mistral Small 4	10.0	10.0	100.0%	0		822ms	7,914	261	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		4.99s	553	310	3,332
Mistral Small 4	5.3	10.0	33.3%	0		367ms	798	28	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	5.0	10.0	0.0%	0		10.11s	516	142	596
Mistral Small 4	4.0	10.0	0.0%	0		729ms	519	205	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		1.64s	699	89	640
Mistral Small 4	6.5	10.0	50.0%	0		380ms	729	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	3.1	4.6	22.2%	2		1.57s	696	294	796
Mistral Small 4	3.1	9.9	0.0%	0		399ms	735	111	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		4.47s	8,391	330	1,065
Mistral Small 4	10.0	10.0	100.0%	0		1.40s	6,420	213	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		19.98s	136	10	6,488
Mistral Small 4	3.0	10.0	0.0%	0		397ms	210	17	0

快速对比

切换对比组合