Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

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

Ringkasan

Skor rata-rata hampir imbang di 6.2 vs 6.2. KAT-Coder-Air V2.5 (high) memiliki biaya benchmark lebih rendah di $0.064 vs $0.141. GPT-5.6 Luna (low) lebih cepat di 4.35s vs 11.02s, dengan tingkat keberhasilan 46.0% vs 57.1%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (high)It has the best score here (6.2), while costing about 2.2x less than GPT-5.6 Luna (low).

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-5.6 Luna GPT-5.6 Luna low Rilis: 2026-07-09
Skor 6.2 6.2
Peringkat #110 #113
Keandalan 9.7 10.0
Konsistensi 7.6 8.5
Tes benar
Tingkat lulus per percobaan 46.0% 57.1%
Tes tidak stabil 6 4
Total Run 63 63
Biaya per hasil 0.910 1.404
Total Biaya $0.064 $0.141
Harga input $0.150 / 1M $1.000 / 1M
Harga output $0.600 / 1M $6.000 / 1M
Total token input 41,748 34,218
Token output 3,894 2,110
Token penalaran 91,773 15,571
Waktu respons (rata-rata) 11.02s 4.35s
Waktu respons (maks) 104.98s 18.06s
Waktu respons (total) 231.37s 91.45s

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

#113 GPT-5.6 Luna

low
Biaya
$0.011
Waktu
10.2s
Token
1,897 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
KAT-Coder-Air V2.5 4.3 7.3 11.1% 1 39.07s 6,948 1,166 55,883
GPT-5.6 Luna 5.5 10.0 33.3% 0 4.61s 7,302 557 3,535

Perbandingan Cepat

Ganti Pasangan Perbandingan