নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.4

GPT-5.4 average score-এ এগিয়ে: 5.8 vs 5.6. KAT-Coder-Air V2.5 (high)-এর benchmark খরচ কম: $0.077 vs $0.397. GPT-5.4 দ্রুত: 2.07s vs 15.90s, pass rates 43.9% vs 34.9%.

প্রস্তাবিত মডেলGPT-5.4It has the best score here (5.8), while responding about 7.7x faster than KAT-Coder-Air V2.5 (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high প্রকাশ: 2026-07-14 GPT-5.4 GPT-5.4 none প্রকাশ: 2026-03-05
স্কোর 5.6 5.8
র‍্যাঙ্ক #137 #132
নির্ভরযোগ্যতা 9.9 10.0
ধারাবাহিকতা 7.7 9.2
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 43.9% 34.9%
অস্থির টেস্ট 6 2
মোট রান 66 66
প্রতি ফলাফলে খরচ 1.097 5.663
মোট খরচ $0.077 $0.397
ইনপুট মূল্য $0.150 / 1M $2.500 / 1M
আউটপুট মূল্য $0.600 / 1M $15.000 / 1M
মোট ইনপুট টোকেন 50,470 108,632
আউটপুট টোকেন 3,957 8,321
রিজনিং টোকেন 111,374 0
প্রতিক্রিয়া সময় (গড়) 15.90s 2.07s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 118.35s 15.63s
প্রতিক্রিয়া সময় (মোট) 349.71s 45.51s

Hamster playing table tennis

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

#137 KAT-Coder-Air V2.5

high
অবৈধ SVG
খরচ
$0.000
সময়
300.0s
টোকেন
0 tok

#132 GPT-5.4

none
খরচ
$0.026
সময়
18.1s
টোকেন
1,792 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883
GPT-5.4 5.5 10.0 33.3% 0 1.62s 7,305 516 0

দ্রুত তুলনা

তুলনার জুটি বদলান