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

KAT-Coder-Air V2.5 (high) unggul dalam skor rata-rata dengan 5.6 vs 5.4. KAT-Coder-Air V2.5 (high) memiliki biaya benchmark lebih rendah di $0.077 vs $0.142. GPT-5.6 Luna lebih cepat di 1.50s vs 15.90s, dengan tingkat keberhasilan 43.9% vs 34.9%.

Model yang direkomendasikanGPT-5.6 LunaIts score stays close to the best score here (5.4 vs 5.6), while responding about 10.6x faster than KAT-Coder-Air V2.5 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-20

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna none Rilis: 2026-07-09

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna none Rilis: 2026-07-09
Skor	5.6	5.4
Peringkat	#144	#159
Keandalan	9.9	10.0
Konsistensi	7.7	8.8
Tes benar
Tingkat lulus per percobaan	43.9%	34.9%
Tes tidak stabil	6	3
Total Run	66	66
Biaya per hasil	1.097	2.360
Total Biaya	$0.077	$0.142
Harga input	$0.150 / 1M	$1.000 / 1M
Harga output	$0.600 / 1M	$6.000 / 1M
Total token input	50,470	101,323
Token output	3,957	6,709
Token penalaran	111,374	0
Waktu respons (rata-rata)	15.90s	1.50s
Waktu respons (maks)	118.35s	10.57s
Waktu respons (total)	349.71s	32.91s

Hamster playing table tennis

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

#144 KAT-Coder-Air V2.5

high

SVG tidak valid

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

#159 GPT-5.6 Luna

none

Biaya: $0.016
Waktu: 15.8s
Token: 2,685 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-5.6 Luna	4.8	10.0	25.0%	0		901ms	606	266	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-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	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	6.5	10.0	50.0%	0		74.48s	23,854	485	28,559
GPT-5.6 Luna	3.2	9.1	0.0%	0		6.68s	78,124	5,022	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-5.6 Luna	10.0	10.0	100.0%	0		758ms	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-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	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-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	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-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	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-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	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-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	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-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0

Perbandingan Cepat

Ganti Pasangan Perbandingan