AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: gpt-oss-120b

Resumen

gpt-oss-120b (medium) lidera en puntuación media con 6.7 vs 6.2. gpt-oss-120b (medium) tiene menor coste de benchmark con $0.011 vs $0.064. KAT-Coder-Air V2.5 (high) es más rápido con 11.02s vs 22.28s, con tasas de acierto de 46.0% vs 52.4%.

Modelo recomendadogpt-oss-120b (medium)Tiene la mejor puntuación aquí (6.7) y cuesta aproximadamente 6.4x menos que KAT-Coder-Air V2.5 (high).

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-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis

Métrica	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lanzamiento: 2026-07-14	gpt-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis
Puntuación	6.2	6.7
Rango	#110	#96
Fiabilidad	9.7	10.0
Consistencia	7.6	8.0
Pruebas correctas
Tasa de aciertos por intento	46.0%	52.4%
Pruebas inestables	6	5
Ejecuciones totales	63	63
Costo por resultado	0.910	0.141
Costo total	$0.064	$0.011
Precio de entrada	$0.150 / 1M	$0.030 / 1M
Precio de salida	$0.600 / 1M	$0.150 / 1M
Total de tokens de entrada	41,748	39,084
Tokens de salida	3,894	20,013
Tokens de razonamiento	91,773	50,233
Tiempo de respuesta (promedio)	11.02s	22.28s
Tiempo de respuesta (máximo)	104.98s	68.16s
Tiempo de respuesta (total)	231.37s	311.96s

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

#96 gpt-oss-120b

medium

Coste: $0.001
Tiempo: 26.7s
Tokens: 555 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-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177

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-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

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-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072

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-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114

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-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606

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-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387

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-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799

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-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

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-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

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-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

Comparación rápida

Cambiar par de comparación