AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.5-122B-A10B

摘要

KAT-Coder-Air V2.5 (medium) 平均分领先，为 6.2 vs 5.3。 Qwen3.5-122B-A10B benchmark 成本更低，为 $0.020 vs $0.045。 Qwen3.5-122B-A10B 更快，为 3.41s vs 8.28s，通过率为 47.6% vs 31.8%。

推荐模型KAT-Coder-Air V2.5 (medium)它在本次比较中得分最高（6.2），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：: 2026-07-16

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none 发布日期: 2026-02-24

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none 发布日期: 2026-02-24
分数	6.2	5.3
排名	#116	#153
可靠性	9.7	10.0
一致性	8.8	9.6
测试正确
尝试通过率	47.6%	31.8%
不稳定测试	3	1
总运行次数	63	63
每个结果成本	0.562	0.393
总成本	$0.045	$0.020
输入价格	$0.150 / 1M	$0.260 / 1M
输出价格	$0.600 / 1M	$2.080 / 1M
总输入令牌	42,750	47,735
输出令牌	7,759	3,383
推理令牌	56,357	0
响应时间（平均）	8.28s	3.41s
响应时间（最大）	48.19s	46.00s
响应时间（总计）	173.80s	71.59s

生成展示

Hamster playing table tennis

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

#116 KAT-Coder-Air V2.5

medium

成本: $0.003
时间: 23.7s
令牌: 4,924 tok

#153 Qwen3.5-122B-A10B

none

成本: $0.016
时间: 44.5s
令牌: 6,431 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
Qwen3.5-122B-A10B	4.8	10.0	25.0%	0		1.59s	696	312	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
Qwen3.5-122B-A10B	3.7	7.0	22.2%	1		2.77s	7,913	693	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		27.68s	15,132	372	4,816
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		46.00s	20,175	1,137	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
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		1.01s	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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
Qwen3.5-122B-A10B	5.3	10.0	33.3%	0		465ms	789	15	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
Qwen3.5-122B-A10B	5.0	10.0	0.0%	0		1.12s	522	66	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
Qwen3.5-122B-A10B	6.3	10.0	50.0%	0		513ms	711	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
Qwen3.5-122B-A10B	3.8	10.0	0.0%	0		1.00s	714	575	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
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		2.04s	8,211	264	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
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		295ms	210	9	0

快速对比

切换对比组合