AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.5

Resumen

GPT-5.5 (low) lidera en puntuación media con 9.3 vs 6.2. KAT-Coder-Air V2.5 (high) tiene menor coste de benchmark con $0.064 vs $0.907. GPT-5.5 (low) es más rápido con 9.76s vs 11.02s, con tasas de acierto de 46.0% vs 85.7%.

Modelo recomendadoGPT-5.5 (low)Tiene la puntuación más alta en esta comparación (9.3) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-14

Métrica	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lanzamiento: 2026-07-14	GPT-5.5 GPT-5.5 low Lanzamiento: 2026-04-24

Métrica	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lanzamiento: 2026-07-14	GPT-5.5 GPT-5.5 low Lanzamiento: 2026-04-24
Puntuación	6.2	9.3
Rango	#110	#7
Fiabilidad	9.7	10.0
Consistencia	7.6	10.0
Pruebas correctas
Tasa de aciertos por intento	46.0%	85.7%
Pruebas inestables	6	0
Ejecuciones totales	63	63
Costo por resultado	0.910	5.035
Costo total	$0.064	$0.907
Precio de entrada	$0.150 / 1M	$5.000 / 1M
Precio de salida	$0.600 / 1M	$30.000 / 1M
Total de tokens de entrada	41,748	34,209
Tokens de salida	3,894	2,046
Tokens de razonamiento	91,773	22,460
Tiempo de respuesta (promedio)	11.02s	9.76s
Tiempo de respuesta (máximo)	104.98s	56.19s
Tiempo de respuesta (total)	231.37s	204.92s

Generación showcase

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 tok

#7 GPT-5.5

low

Coste: $0.068
Tiempo: 37.0s
Tokens: 2,339 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Comparación rápida

Cambiar par de comparación