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

KAT-Coder-Air V2.5 (medium) 平均分领先，为 5.6 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.022 vs $0.048。 Mistral Small 4 更快，为 1.20s vs 8.42s，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 5.6），同时成本比KAT-Coder-Air V2.5 (medium)低约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-20

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 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 medium 发布日期: 2026-07-14	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16
分数	5.6	5.1
排名	#149	#165
可靠性	9.9	10.0
一致性	8.9	9.6
测试正确
尝试通过率	45.5%	25.8%
不稳定测试	3	1
总运行次数	66	66
每个结果成本	0.593	0.432
总成本	$0.048	$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	51,472	104,708
输出令牌	7,822	9,812
推理令牌	58,352	0
响应时间（平均）	8.42s	1.20s
响应时间（最大）	48.19s	13.16s
响应时间（总计）	185.24s	26.38s

Hamster playing table tennis

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

#149 KAT-Coder-Air V2.5

medium

成本: $0.003
时间: 23.7s
令牌: 4,924 tok

#165 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
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	6.5	10.0	50.0%	0		19.56s	23,854	435	6,811
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		3.65s	7,776	268	1,881
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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
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		9.81s	516	189	557
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	10.0	10.0	100.0%	0		1.50s	699	93	730
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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
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		4.77s	8,391	317	906
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		15.74s	204	20	7,662
Mistral Small 4	3.0	10.0	0.0%	0		397ms	210	17	0

快速对比

切换对比组合