Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Kwaipilot: KAT-Coder-Pro V2.5

Ringkasan

Claude Opus 4.8 (low) unggul dalam skor rata-rata dengan 7.7 vs 7.5. KAT-Coder-Pro V2.5 (medium) memiliki biaya benchmark lebih rendah di $0.275 vs $1.270. Claude Opus 4.8 (low) lebih cepat di 10.83s vs 12.95s, dengan tingkat keberhasilan 79.4% vs 65.1%.

Model yang direkomendasikanKAT-Coder-Pro V2.5 (medium)Its score stays close to the best score here (7.5 vs 7.7), while costing about 4.6x less than Claude Opus 4.8 (low).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

Metrik Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28 KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium Rilis: 2026-07-14
Skor 7.7 7.5
Peringkat #47 #60
Keandalan 10.0 10.0
Konsistensi 8.8 7.7
Tes benar
Tingkat lulus per percobaan 79.4% 65.1%
Tes tidak stabil 3 6
Total Run 63 63
Biaya per hasil 8.466 2.498
Total Biaya $1.270 $0.275
Harga input $5.000 / 1M $0.740 / 1M
Harga output $25.000 / 1M $2.960 / 1M
Total token input 60,946 42,750
Token output 31,771 2,098
Token penalaran 6,831 80,027
Waktu respons (rata-rata) 10.83s 12.95s
Waktu respons (maks) 127.97s 81.45s
Waktu respons (total) 227.39s 271.92s

Showcase generasi

Hamster playing table tennis

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

#47 Claude Opus 4.8

low
Biaya
$0.031
Waktu
14.1s
Token
1,345 tok

#60 KAT-Coder-Pro V2.5

medium
Biaya
$0.009
Waktu
25.6s
Token
2,939 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
KAT-Coder-Pro V2.5 7.8 10.0 66.7% 0 33.10s 7,893 416 33,658

Perbandingan Cepat

Ganti Pasangan Perbandingan