AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs Kwaipilot: KAT-Coder-Air V2.5

Ringkasan

KAT-Coder-Air V2.5 (low) unggul dalam skor rata-rata dengan 5.4 vs 5.0. KAT-Coder-Air V2.5 (low) memiliki biaya benchmark lebih rendah di $0.041 vs $0.054. KAT-Coder-Air V2.5 (low) lebih cepat di 10.09s vs 18.25s, dengan tingkat keberhasilan 37.9% vs 45.5%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (low)It has the best score here (5.4), while responding about 1.8x faster than DeepSeek V3.2.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 none Rilis: 2025-12-01	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Rilis: 2026-07-14

Metrik	DeepSeek V3.2 DeepSeek V3.2 none Rilis: 2025-12-01	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Rilis: 2026-07-14
Skor	5.0	5.4
Peringkat	#165	#151
Keandalan	10.0	9.9
Konsistensi	7.7	7.4
Tes benar
Tingkat lulus per percobaan	37.9%	45.5%
Tes tidak stabil	6	7
Total Run	66	66
Biaya per hasil	0.870	0.585
Total Biaya	$0.054	$0.041
Harga input	$0.269 / 1M	$0.150 / 1M
Harga output	$0.400 / 1M	$0.600 / 1M
Total token input	135,780	61,085
Token output	42,097	5,905
Token penalaran	0	46,990
Waktu respons (rata-rata)	18.25s	10.09s
Waktu respons (maks)	115.89s	86.23s
Waktu respons (total)	401.60s	222.03s

Showcase generasi

Hamster playing table tennis

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

#165 DeepSeek V3.2

none

Biaya: $0.002
Waktu: 7.0s
Token: 1,046 tok

#151 KAT-Coder-Air V2.5

low

Biaya: $0.004
Waktu: 29.9s
Token: 6,008 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

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.2	8.0	8.3%	1		9.35s	494	1,073	0
KAT-Coder-Air V2.5	7.3	5.8	83.3%	2		3.50s	672	422	1,548

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.1	6.9	11.1%	1		14.54s	7,279	4,528	0
KAT-Coder-Air V2.5	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	4.8	10.0	0.0%	0		113.53s	109,626	33,819	0
KAT-Coder-Air V2.5	6.4	5.8	66.7%	1		55.86s	33,753	2,046	17,833

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	6.3	5.8	66.7%	1		9.42s	7,890	1,710	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		2.82s	7,776	261	1,069

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	2.9	7.2	11.1%	1		4.17s	624	21	0
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		4.99s	553	310	3,332

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	4.7	1.6	66.7%	1		9.32s	314	43	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		10.11s	516	142	596

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		1.52s	627	66	0
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.64s	699	89	640

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.6	7.2	77.8%	1		6.91s	424	298	0
KAT-Coder-Air V2.5	3.1	4.6	22.2%	2		1.57s	696	294	796

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		11.85s	8,319	522	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.47s	8,391	330	1,065

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.0	10.0	0.0%	0		17.23s	183	17	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		19.98s	136	10	6,488

Perbandingan Cepat

Ganti Pasangan Perbandingan