AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs Nemotron 3 Ultra 550b A55b

摘要

Nemotron 3 Ultra 550b A55b (medium) 平均分领先，为 8.1 vs 6.2。 KAT-Coder-Air V2.5 (medium) benchmark 成本更低，为 $0.045 vs $0.158。 KAT-Coder-Air V2.5 (medium) 更快，为 8.28s vs 15.05s，通过率为 47.6% vs 69.8%。

推荐模型Nemotron 3 Ultra 550b A55b (medium)它在本次比较中得分最高（8.1），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 medium 发布日期: 2026-07-14	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用
分数	6.2	8.1
排名	#115	#31
可靠性	9.7	9.7
一致性	8.8	8.8
测试正确
尝试通过率	47.6%	69.8%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	0.562	0.000
总成本	$0.045	$0.158
输入价格	$0.150 / 1M	$0.500 / 1M
输出价格	$0.600 / 1M	$2.200 / 1M
总输入令牌	42,750	46,813
输出令牌	7,759	18,002
推理令牌	56,357	53,091
响应时间（平均）	8.28s	15.05s
响应时间（最大）	48.19s	43.93s
响应时间（总计）	173.80s	316.09s

生成展示

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium

成本: $0.003
时间: 23.7s
令牌: 4,924 tok

#31 Nemotron 3 Ultra 550b A55b

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		8.62s	780	835	1,485

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
Nemotron 3 Ultra 550b A55b	8.4	7.4	88.9%	1		26.53s	7,686	2,854	17,725

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		27.68s	15,132	372	4,816
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		43.93s	17,574	1,040	3,590

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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		5.68s	7,989	473	1,285

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
Nemotron 3 Ultra 550b A55b	3.5	4.4	33.3%	2		24.90s	858	11,169	16,249

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
Nemotron 3 Ultra 550b A55b	3.7	9.5	0.0%	0		2.52s	360	70	235

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
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		6.35s	765	182	1,243

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
Nemotron 3 Ultra 550b A55b	5.5	9.9	33.3%	0		3.54s	792	771	2,055

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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		7.72s	9,781	304	984

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
Nemotron 3 Ultra 550b A55b	3.0	10.0	0.0%	0		38.47s	228	304	8,240

快速对比

切换对比组合