AI BENCHY Compare

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

Resumen

GPT-5.5 lidera en puntuación media con 6.3 vs 6.2. KAT-Coder-Air V2.5 (medium) tiene menor coste de benchmark con $0.045 vs $0.231. GPT-5.5 es más rápido con 1.89s vs 8.28s, con tasas de acierto de 47.6% vs 54.0%.

Modelo recomendadoKAT-Coder-Air V2.5 (medium)Su puntuación se mantiene cerca de la mejor aquí (6.2 vs 6.3) y cuesta aproximadamente 5.1x menos que GPT-5.5.

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 medium Lanzamiento: 2026-07-14	GPT-5.5 GPT-5.5 none Lanzamiento: 2026-04-24

Métrica	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lanzamiento: 2026-07-14	GPT-5.5 GPT-5.5 none Lanzamiento: 2026-04-24
Puntuación	6.2	6.3
Rango	#115	#109
Fiabilidad	9.7	10.0
Consistencia	8.8	8.8
Pruebas correctas
Tasa de aciertos por intento	47.6%	54.0%
Pruebas inestables	3	3
Ejecuciones totales	63	63
Costo por resultado	0.562	2.302
Costo total	$0.045	$0.231
Precio de entrada	$0.150 / 1M	$5.000 / 1M
Precio de salida	$0.600 / 1M	$30.000 / 1M
Total de tokens de entrada	42,750	34,212
Tokens de salida	7,759	1,971
Tokens de razonamiento	56,357	0
Tiempo de respuesta (promedio)	8.28s	1.89s
Tiempo de respuesta (máximo)	48.19s	5.56s
Tiempo de respuesta (total)	173.80s	39.64s

Generación showcase

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium

Coste: $0.003
Tiempo: 23.7s
Tokens: 4,924 tok

#109 GPT-5.5

none

Coste: $0.090
Tiempo: 54.3s
Tokens: 3,063 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
GPT-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0

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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
GPT-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	0

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		27.68s	15,132	372	4,816
GPT-5.5	3.0	10.0	0.0%	0		5.56s	11,019	300	0

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		3.65s	7,776	268	1,881
GPT-5.5	10.0	10.0	100.0%	0		1.18s	7,140	222	0

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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
GPT-5.5	2.9	7.2	11.1%	1		1.31s	723	52	0

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	5.0	10.0	0.0%	0		9.81s	516	189	557
GPT-5.5	10.0	10.0	100.0%	0		3.41s	477	124	0

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	10.0	10.0	100.0%	0		1.50s	699	93	730
GPT-5.5	6.2	5.8	66.7%	1		1.15s	660	81	0

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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
GPT-5.5	7.7	10.0	66.7%	0		1.29s	642	252	0

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	317	906
GPT-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	0

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		15.74s	204	20	7,662
GPT-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0

Comparación rápida

Cambiar par de comparación