AI BENCHY Compare

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

Ringkasan

Skor rata-rata hampir imbang di 6.2 vs 6.3. KAT-Coder-Air V2.5 (high) memiliki biaya benchmark lebih rendah di $0.064 vs $0.231. GPT-5.5 lebih cepat di 1.89s vs 11.02s, dengan tingkat keberhasilan 46.0% vs 54.0%.

Model yang direkomendasikanGPT-5.5It has the best score here (6.3), while responding about 5.8x faster than KAT-Coder-Air V2.5 (high).

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

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14	GPT-5.5 GPT-5.5 none Rilis: 2026-04-24

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14	GPT-5.5 GPT-5.5 none Rilis: 2026-04-24
Skor	6.2	6.3
Peringkat	#110	#109
Keandalan	9.7	10.0
Konsistensi	7.6	8.8
Tes benar
Tingkat lulus per percobaan	46.0%	54.0%
Tes tidak stabil	6	3
Total Run	63	63
Biaya per hasil	0.910	2.302
Total Biaya	$0.064	$0.231
Harga input	$0.150 / 1M	$5.000 / 1M
Harga output	$0.600 / 1M	$30.000 / 1M
Total token input	41,748	34,212
Token output	3,894	1,971
Token penalaran	91,773	0
Waktu respons (rata-rata)	11.02s	1.89s
Waktu respons (maks)	104.98s	5.56s
Waktu respons (total)	231.37s	39.64s

Showcase generasi

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

SVG tidak valid

Biaya: $0.000
Waktu: 300.0s
Token: 0 tok

#109 GPT-5.5

none

Biaya: $0.090
Waktu: 54.3s
Token: 3,063 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
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
GPT-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
GPT-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
GPT-5.5	3.0	10.0	0.0%	0		5.56s	11,019	300	0

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
GPT-5.5	10.0	10.0	100.0%	0		1.18s	7,140	222	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
GPT-5.5	2.9	7.2	11.1%	1		1.31s	723	52	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
GPT-5.5	10.0	10.0	100.0%	0		3.41s	477	124	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
GPT-5.5	6.2	5.8	66.7%	1		1.15s	660	81	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
GPT-5.5	7.7	10.0	66.7%	0		1.29s	642	252	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
GPT-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
GPT-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0

Perbandingan Cepat

Ganti Pasangan Perbandingan