AI BENCHY Compare

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

Ringkasan

GPT-5.5 (low) unggul dalam skor rata-rata dengan 9.3 vs 6.0. KAT-Coder-Air V2.5 (low) memiliki biaya benchmark lebih rendah di $0.030 vs $0.907. KAT-Coder-Air V2.5 (low) lebih cepat di 6.47s vs 9.76s, dengan tingkat keberhasilan 46.0% vs 85.7%.

Model yang direkomendasikanGPT-5.5 (low)It has the strongest score in this comparison (9.3) and the best overall balance of cost and response time across all 2 models.

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

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Rilis: 2026-07-14	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Rilis: 2026-07-14	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24
Skor	6.0	9.3
Peringkat	#124	#7
Keandalan	9.7	10.0
Konsistensi	7.6	10.0
Tes benar
Tingkat lulus per percobaan	46.0%	85.7%
Tes tidak stabil	6	0
Total Run	63	63
Biaya per hasil	0.427	5.035
Total Biaya	$0.030	$0.907
Harga input	$0.150 / 1M	$5.000 / 1M
Harga output	$0.600 / 1M	$30.000 / 1M
Total token input	42,464	34,209
Token output	4,227	2,046
Token penalaran	34,864	22,460
Waktu respons (rata-rata)	6.47s	9.76s
Waktu respons (maks)	25.49s	56.19s
Waktu respons (total)	135.80s	204.92s

Showcase generasi

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

low

Biaya: $0.004
Waktu: 29.9s
Token: 6,008 tok

#7 GPT-5.5

low

Biaya: $0.068
Waktu: 37.0s
Token: 2,339 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	7.3	5.8	83.3%	2		3.50s	672	422	1,548
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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		25.49s	15,132	368	5,707
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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		2.82s	7,776	261	1,069
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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		4.99s	553	310	3,332
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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	5.0	10.0	0.0%	0		10.11s	516	142	596
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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		1.64s	699	89	640
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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	3.1	4.6	22.2%	2		1.57s	696	294	796
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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		4.47s	8,391	330	1,065
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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		19.98s	136	10	6,488
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Perbandingan Cepat

Ganti Pasangan Perbandingan