AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs Qwen: Qwen3.6 Max Preview

摘要

KAT-Coder-Air V2.5 (medium) 平均分领先，为 6.2 vs 6.0。 KAT-Coder-Air V2.5 (medium) benchmark 成本更低，为 $0.045 vs $0.075。 Qwen3.6 Max Preview 更快，为 3.30s vs 8.28s，通过率为 47.6% vs 58.7%。

推荐模型Qwen3.6 Max Preview它的得分接近这里的最高分（6.0 vs 6.2），同时响应速度比KAT-Coder-Air V2.5 (medium)快约 2.5 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 medium 发布日期: 2026-07-14	Qwen3.6 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14	Qwen3.6 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20
分数	6.2	6.0
排名	#115	#122
可靠性	9.7	10.0
一致性	8.8	9.2
测试正确
尝试通过率	47.6%	58.7%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	0.562	0.824
总成本	$0.045	$0.075
输入价格	$0.150 / 1M	$1.040 / 1M
输出价格	$0.600 / 1M	$6.240 / 1M
总输入令牌	42,750	42,509
输出令牌	7,759	4,779
推理令牌	56,357	0
响应时间（平均）	8.28s	3.30s
响应时间（最大）	48.19s	20.51s
响应时间（总计）	173.80s	69.40s

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

#122 Qwen3.6 Max Preview

none

成本: $0.025
时间: 83.9s
令牌: 4,066 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
Qwen3.6 Max Preview	5.2	7.9	41.7%	1		2.63s	696	513	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
Qwen3.6 Max Preview	3.8	7.3	22.2%	1		3.12s	7,913	456	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
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		20.51s	14,949	2,842	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		2.87s	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
Qwen3.6 Max Preview	7.7	10.0	66.7%	0		1.22s	789	18	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
Qwen3.6 Max Preview	4.3	10.0	0.0%	0		1.62s	522	76	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
Qwen3.6 Max Preview	9.8	10.0	100.0%	0		1.40s	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		2.65s	714	321	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		5.27s	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		15.74s	204	20	7,662
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		1.97s	210	19	0

快速对比

切换对比组合