AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5 Plus 2026-02-15

摘要

KAT-Coder-Air V2.5 (low) 平均分领先，为 6.0 vs 5.8。 Qwen3.5 Plus 2026-02-15 benchmark 成本更低，为 $0.016 vs $0.030。 Qwen3.5 Plus 2026-02-15 更快，为 2.31s vs 6.47s，通过率为 46.0% vs 46.0%。

推荐模型Qwen3.5 Plus 2026-02-15它的得分接近这里的最高分（5.8 vs 6.0），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：: 2026-07-14

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none 发布日期: 2026-02-15

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none 发布日期: 2026-02-15
分数	6.0	5.8
排名	#124	#130
可靠性	9.7	10.0
一致性	7.6	9.4
测试正确
尝试通过率	46.0%	46.0%
不稳定测试	6	2
总运行次数	63	63
每个结果成本	0.427	0.204
总成本	$0.030	$0.016
输入价格	$0.150 / 1M	$0.260 / 1M
输出价格	$0.600 / 1M	$1.560 / 1M
总输入令牌	42,464	45,864
输出令牌	4,227	2,480
推理令牌	34,864	0
响应时间（平均）	6.47s	2.31s
响应时间（最大）	25.49s	6.65s
响应时间（总计）	135.80s	34.63s

生成展示

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

low

成本: $0.004
时间: 29.9s
令牌: 6,008 tok

#130 Qwen3.5 Plus 2026-02-15

none

成本: $0.012
时间: 153.2s
令牌: 7,787 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
Qwen3.5 Plus 2026-02-15	4.8	10.0	25.0%	0		1.91s	696	517	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
Qwen3.5 Plus 2026-02-15	4.3	7.9	11.1%	1		2.05s	7,913	473	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		25.49s	15,132	368	5,707
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		6.65s	18,304	314	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
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.89s	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		4.99s	553	310	3,332
Qwen3.5 Plus 2026-02-15	5.3	10.0	33.3%	0		1.17s	789	17	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
Qwen3.5 Plus 2026-02-15	4.4	3.0	33.3%	1		2.26s	522	117	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
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.67s	711	72	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
Qwen3.5 Plus 2026-02-15	7.7	10.0	66.7%	0		2.71s	714	494	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
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		3.33s	8,211	222	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
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		1.11s	210	11	0

快速对比

切换对比组合