AI BENCHY 对比

Kwaipilot: KAT-Coder-Pro V2.5 vs StepFun: Step 3.5 Flash

摘要

KAT-Coder-Pro V2.5 平均分领先，为 6.8 vs 6.6。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.070 vs $0.220。 KAT-Coder-Pro V2.5 更快，为 10.81s vs 72.53s，通过率为 71.4% vs 54.0%。

推荐模型KAT-Coder-Pro V2.5它在这里得分最高（6.8），同时响应速度比Step 3.5 Flash (medium)快约 6.7 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 none 发布日期: 2026-07-14	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 none 发布日期: 2026-07-14	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	6.8	6.6
排名	#89	#98
可靠性	10.0	10.0
一致性	7.3	8.9
测试正确
尝试通过率	71.4%	54.0%
不稳定测试	7	1
总运行次数	63	60
每个结果成本	1.992	0.198
总成本	$0.220	$0.070
输入价格	$0.740 / 1M	$0.100 / 1M
输出价格	$2.960 / 1M	$0.300 / 1M
总输入令牌	42,749	34,431
输出令牌	63,338	91,587
推理令牌	0	195,973
响应时间（平均）	10.81s	72.53s
响应时间（最大）	53.57s	453.94s
响应时间（总计）	227.02s	1015.47s

生成展示

Hamster playing table tennis

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

#89 KAT-Coder-Pro V2.5

none

成本: $0.010
时间: 29.0s
令牌: 3,439 tok

#98 Step 3.5 Flash

medium

成本: $0.008
时间: 277.1s
令牌: 23,695 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	8.7	7.9	91.7%	1		4.58s	672	3,998	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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	6.1	4.7	66.7%	2		22.52s	7,893	22,440	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

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	4.7	1.6	66.7%	1		30.76s	15,131	5,366	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

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		5.07s	7,776	2,361	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

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	3.6	7.2	22.2%	1		21.64s	771	20,972	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

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	4.8	3.2	33.3%	1		5.16s	516	1,067	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

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	9.8	10.0	100.0%	0		2.61s	699	1,084	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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	8.2	7.2	88.9%	1		3.03s	696	1,929	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

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		5.93s	8,391	1,103	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

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		9.91s	204	3,018	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

快速对比

切换对比组合