Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: gpt-oss-120b

Ringkasan

gpt-oss-120b (medium) unggul dalam skor rata-rata dengan 6.7 vs 6.2. gpt-oss-120b (medium) memiliki biaya benchmark lebih rendah di $0.011 vs $0.064. KAT-Coder-Air V2.5 (high) lebih cepat di 11.02s vs 22.28s, dengan tingkat keberhasilan 46.0% vs 52.4%.

Model yang direkomendasikangpt-oss-120b (medium)It has the best score here (6.7), while costing about 6.4x less 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-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis
Skor 6.2 6.7
Peringkat #110 #96
Keandalan 9.7 10.0
Konsistensi 7.6 8.0
Tes benar
Tingkat lulus per percobaan 46.0% 52.4%
Tes tidak stabil 6 5
Total Run 63 63
Biaya per hasil 0.910 0.141
Total Biaya $0.064 $0.011
Harga input $0.150 / 1M $0.030 / 1M
Harga output $0.600 / 1M $0.150 / 1M
Total token input 41,748 39,084
Token output 3,894 20,013
Token penalaran 91,773 50,233
Waktu respons (rata-rata) 11.02s 22.28s
Waktu respons (maks) 104.98s 68.16s
Waktu respons (total) 231.37s 311.96s

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

#96 gpt-oss-120b

medium
Biaya
$0.001
Waktu
26.7s
Token
555 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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973

Perbandingan Cepat

Ganti Pasangan Perbandingan