AI BENCHY Compare

DeepSeek: DeepSeek V4 Flash vs Kwaipilot: KAT-Coder-Air V2.5

Ringkasan

KAT-Coder-Air V2.5 (medium) unggul dalam skor rata-rata dengan 6.2 vs 5.5. DeepSeek V4 Flash memiliki biaya benchmark lebih rendah di $0.007 vs $0.045. KAT-Coder-Air V2.5 (medium) lebih cepat di 8.28s vs 26.75s, dengan tingkat keberhasilan 30.2% vs 47.6%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (medium)It has the best score here (6.2), while responding about 3.2x faster than DeepSeek V4 Flash.

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

Metrik	DeepSeek V4 Flash DeepSeek V4 Flash none Rilis: 2026-04-24	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Rilis: 2026-07-14

Metrik	DeepSeek V4 Flash DeepSeek V4 Flash none Rilis: 2026-04-24	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Rilis: 2026-07-14
Skor	5.5	6.2
Peringkat	#142	#115
Keandalan	10.0	9.7
Konsistensi	8.9	8.8
Tes benar
Tingkat lulus per percobaan	30.2%	47.6%
Tes tidak stabil	3	3
Total Run	63	63
Biaya per hasil	0.203	0.562
Total Biaya	$0.007	$0.045
Harga input	$0.090 / 1M	$0.150 / 1M
Harga output	$0.180 / 1M	$0.600 / 1M
Total token input	50,127	42,750
Token output	13,710	7,759
Token penalaran	0	56,357
Waktu respons (rata-rata)	26.75s	8.28s
Waktu respons (maks)	111.96s	48.19s
Waktu respons (total)	561.82s	173.80s

Showcase generasi

Hamster playing table tennis

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

#142 DeepSeek V4 Flash

none

Biaya: $0.004
Waktu: 157.6s
Token: 11,297 tok

#115 KAT-Coder-Air V2.5

medium

Biaya: $0.003
Waktu: 23.7s
Token: 4,924 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 V4 Flash	3.0	10.0	0.0%	0		20.18s	540	174	0
KAT-Coder-Air V2.5	8.7	8.0	91.7%	1		3.79s	672	549	4,194

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	4.2	7.4	11.1%	1		17.13s	7,279	9,717	0
KAT-Coder-Air V2.5	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	4.5	2.1	66.7%	1		111.96s	24,398	2,664	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		27.68s	15,132	372	4,816

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 V4 Flash	10.0	10.0	100.0%	0		23.79s	7,290	195	0
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.65s	7,776	268	1,881

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	5.3	10.0	33.3%	0		19.73s	666	18	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		4.87s	771	487	4,454

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	4.2	9.9	0.0%	0		23.74s	471	67	0
KAT-Coder-Air V2.5	5.0	10.0	0.0%	0		9.81s	516	189	557

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	6.5	10.0	50.0%	0		17.54s	627	321	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		1.50s	699	93	730

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 V4 Flash	3.1	7.3	11.1%	1		23.72s	594	207	0
KAT-Coder-Air V2.5	3.6	7.2	22.2%	1		1.87s	696	265	1,184

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	10.0	10.0	100.0%	0		77.93s	8,079	327	0
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	317	906

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Flash	3.0	10.0	0.0%	0		3.07s	183	20	0
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		15.74s	204	20	7,662

Perbandingan Cepat

Ganti Pasangan Perbandingan