AI BENCHY 对比

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

摘要

KAT-Coder-Pro V2.5 (low) 平均分领先，为 8.0 vs 7.7。 KAT-Coder-Pro V2.5 (low) benchmark 成本更低，为 $0.220 vs $0.588。 KAT-Coder-Pro V2.5 (low) 更快，为 10.44s vs 42.49s，通过率为 71.4% vs 73.0%。

推荐模型KAT-Coder-Pro V2.5 (low)它在这里得分最高（8.0），同时成本比Qwen3.5-122B-A10B (medium)低约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24
分数	8.0	7.7
排名	#35	#46
可靠性	9.9	10.0
一致性	7.3	8.8
测试正确
尝试通过率	71.4%	73.0%
不稳定测试	7	3
总运行次数	63	63
每个结果成本	1.991	5.235
总成本	$0.220	$0.588
输入价格	$0.740 / 1M	$0.260 / 1M
输出价格	$2.960 / 1M	$2.080 / 1M
总输入令牌	42,750	41,832
输出令牌	2,167	26,187
推理令牌	61,133	251,028
响应时间（平均）	10.44s	42.49s
响应时间（最大）	51.34s	168.16s
响应时间（总计）	219.17s	892.30s

生成展示

Hamster playing table tennis

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

#35 KAT-Coder-Pro V2.5

low

成本: $0.016
时间: 47.6s
令牌: 5,182 tok

#46 Qwen3.5-122B-A10B

medium

成本: $0.019
时间: 48.7s
令牌: 6,034 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-Pro V2.5	6.9	5.8	75.0%	2		4.20s	672	277	4,228
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.75s	672	269	16,835

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-Pro V2.5	7.8	10.0	66.7%	0		24.87s	7,893	402	24,945
Qwen3.5-122B-A10B	6.0	7.2	55.6%	1		114.48s	7,630	8,057	82,578

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-Pro V2.5	10.0	10.0	100.0%	0		14.59s	15,132	394	3,391
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		107.79s	14,947	483	11,337

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-Pro V2.5	10.0	10.0	100.0%	0		4.19s	7,776	288	1,917
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		23.41s	7,782	270	16,558

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-Pro V2.5	4.1	4.4	44.5%	2		17.52s	771	35	16,877
Qwen3.5-122B-A10B	2.9	7.2	11.1%	1		63.40s	771	15,537	64,889

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-Pro V2.5	4.1	2.7	33.3%	1		2.32s	516	99	412
Qwen3.5-122B-A10B	3.4	2.2	33.3%	1		34.11s	344	66	7,592

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-Pro V2.5	10.0	10.0	100.0%	0		2.53s	699	83	1,008
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.88s	593	77	7,372

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-Pro V2.5	6.4	4.4	77.8%	2		3.11s	696	289	1,820
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		17.89s	696	284	27,575

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-Pro V2.5	10.0	10.0	100.0%	0		18.45s	8,391	282	834
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		4.60s	8,193	322	1,226

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-Pro V2.5	3.0	10.0	0.0%	0		17.06s	204	18	5,701
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		52.87s	204	822	15,066

快速对比

切换对比组合

Claude Opus 4.8lowvsQwen3.5-122B-A10Bmedium GPT-5.6 TerralowvsQwen3.5-122B-A10Bmedium KAT-Coder-Pro V2.5lowvsQwen3.5 Plus 2026-02-15medium KAT-Coder-Pro V2.5lowvsGPT-5.4 Minimedium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow GPT-5.6 LunahighvsQwen3.5-122B-A10Bmedium KAT-Coder-Pro V2.5lowvsGLM 5.2high KAT-Coder-Pro V2.5highvsQwen3.5-122B-A10Bmedium Qwen3.5-122B-A10BmediumvsGrok 4.5low KAT-Coder-Pro V2.5lowvsQwen3.5-27Bmedium Claude Sonnet 5mediumvsKAT-Coder-Pro V2.5low KAT-Coder-Pro V2.5lowvsQwen3.6 Plusmedium