AI BENCHY Compare

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

Ringkasan

GPT-5.6 Sol unggul dalam skor rata-rata dengan 6.3 vs 6.2. KAT-Coder-Air V2.5 (high) memiliki biaya benchmark lebih rendah di $0.064 vs $0.225. GPT-5.6 Sol lebih cepat di 1.66s vs 11.02s, dengan tingkat keberhasilan 46.0% vs 57.1%.

Model yang direkomendasikanGPT-5.6 SolIt has the best score here (6.3), while responding about 6.6x 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-5.6 Sol GPT-5.6 Sol none Rilis: 2026-07-09

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Rilis: 2026-07-14	GPT-5.6 Sol GPT-5.6 Sol none Rilis: 2026-07-09
Skor	6.2	6.3
Peringkat	#110	#106
Keandalan	9.7	10.0
Konsistensi	7.6	9.0
Tes benar
Tingkat lulus per percobaan	46.0%	57.1%
Tes tidak stabil	6	3
Total Run	63	63
Biaya per hasil	0.910	2.244
Total Biaya	$0.064	$0.225
Harga input	$0.150 / 1M	$5.000 / 1M
Harga output	$0.600 / 1M	$30.000 / 1M
Total token input	41,748	34,218
Token output	3,894	1,776
Token penalaran	91,773	0
Waktu respons (rata-rata)	11.02s	1.66s
Waktu respons (maks)	104.98s	3.93s
Waktu respons (total)	231.37s	34.81s

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

#106 GPT-5.6 Sol

none

Biaya: $0.116
Waktu: 78.7s
Token: 3,944 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 Sol	8.3	10.0	75.0%	0		1.27s	606	154	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 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	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-5.6 Sol	3.0	10.0	0.0%	0		3.93s	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-5.6 Sol	10.0	10.0	100.0%	0		1.53s	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 Sol	3.6	7.2	22.2%	1		1.43s	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 Sol	6.5	3.4	66.7%	1		1.52s	477	91	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 Sol	8.5	6.8	83.3%	1		1.33s	660	84	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 Sol	7.7	10.0	66.7%	0		1.49s	642	211	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 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	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 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Nemotron 3 SupermediumTersedia gratisvsGPT-5.6 Solnone Gemma 4 31BmediumTersedia gratisvsGPT-5.6 Solnone GPT-5.6 SolnonevsQwen3.5-35B-A3Bmedium Seed-2.0-LitenonevsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsGPT-5.6 Lunalow KAT-Coder-Air V2.5highvsGPT-5.5none KAT-Coder-Air V2.5highvsQwen3.5-35B-A3Bmedium Gemini 2.5 FlashnonevsKAT-Coder-Air V2.5high Gemma 4 31BmediumTersedia gratisvsKAT-Coder-Air V2.5high Gemini 3.1 Flash LiteminimalvsKAT-Coder-Air V2.5high KAT-Coder-Air V2.5highvsNemotron 3 SupermediumTersedia gratis Gemini 3.1 Flash LitelowvsGPT-5.6 Solnone