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

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.6 Terra

सारांश

KAT-Coder-Air V2.5 (medium) average score में आगे है: 6.2 vs 6.0. KAT-Coder-Air V2.5 (medium) की benchmark लागत कम है: $0.045 vs $0.130. GPT-5.6 Terra तेज है: 1.25s vs 8.28s, pass rates 47.6% vs 42.9%.

अनुशंसित मॉडलKAT-Coder-Air V2.5 (medium)It has the best score here (6.2), while costing about 2.9x less than GPT-5.6 Terra.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-14

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium रिलीज़: 2026-07-14 GPT-5.6 Terra GPT-5.6 Terra none रिलीज़: 2026-07-09
स्कोर 6.2 6.0
रैंक #115 #123
विश्वसनीयता 9.7 10.0
संगति 8.8 9.3
सही परीक्षण
प्रति प्रयास पास दर 47.6% 42.9%
अस्थिर टेस्ट 3 2
कुल रन 63 63
प्रति परिणाम लागत 0.562 1.623
कुल लागत $0.045 $0.130
इनपुट कीमत $0.150 / 1M $2.500 / 1M
आउटपुट कीमत $0.600 / 1M $15.000 / 1M
कुल इनपुट टोकन 42,750 39,552
आउटपुट टोकन 7,759 2,060
रीजनिंग टोकन 56,357 0
प्रतिक्रिया समय (औसत) 8.28s 1.25s
प्रतिक्रिया समय (अधिकतम) 48.19s 3.97s
प्रतिक्रिया समय (कुल) 173.80s 26.21s

जनरेशन शोकेस

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium
लागत
$0.003
समय
23.7s
टोकन
4,924 tok

#123 GPT-5.6 Terra

none
लागत
$0.030
समय
14.7s
टोकन
2,082 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
KAT-Coder-Air V2.5 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973
GPT-5.6 Terra 5.5 10.0 33.3% 0 1.00s 7,302 336 0

त्वरित तुलना

तुलना जोड़ी बदलें