AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Z.ai: GLM 5.1

Ringkasan

KAT-Coder-Air V2.5 (low) unggul dalam skor rata-rata dengan 6.0 vs 5.6. KAT-Coder-Air V2.5 (low) memiliki biaya benchmark lebih rendah di $0.030 vs $0.057. GLM 5.1 lebih cepat di 4.10s vs 6.47s, dengan tingkat keberhasilan 46.0% vs 41.3%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (low)It has the best score here (6.0), while costing about 1.9x less than GLM 5.1.

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	GLM 5.1 GLM 5.1 none Rilis: 2026-04-07

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low Rilis: 2026-07-14	GLM 5.1 GLM 5.1 none Rilis: 2026-04-07
Skor	6.0	5.6
Peringkat	#124	#141
Keandalan	9.7	10.0
Konsistensi	7.6	8.5
Tes benar
Tingkat lulus per percobaan	46.0%	41.3%
Tes tidak stabil	6	4
Total Run	63	63
Biaya per hasil	0.427	0.843
Total Biaya	$0.030	$0.057
Harga input	$0.150 / 1M	$0.966 / 1M
Harga output	$0.600 / 1M	$3.036 / 1M
Total token input	42,464	47,133
Token output	4,227	3,754
Token penalaran	34,864	0
Waktu respons (rata-rata)	6.47s	4.10s
Waktu respons (maks)	25.49s	32.57s
Waktu respons (total)	135.80s	86.18s

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

#141 GLM 5.1

none

SVG tidak valid

Biaya: $0.000
Waktu: 300.0s
Token: 0 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
GLM 5.1	4.0	6.3	25.0%	2		2.11s	555	305	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	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623
GLM 5.1	3.9	9.7	0.0%	0		4.96s	7,256	525	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		25.49s	15,132	368	5,707
GLM 5.1	2.8	2.1	33.3%	1		32.57s	22,831	2,129	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		2.82s	7,776	261	1,069
GLM 5.1	10.0	10.0	100.0%	0		1.08s	7,107	204	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		4.99s	553	310	3,332
GLM 5.1	2.9	7.2	11.1%	1		1.99s	687	24	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	5.0	10.0	0.0%	0		10.11s	516	142	596
GLM 5.1	5.0	10.0	0.0%	0		790ms	477	39	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		1.64s	699	89	640
GLM 5.1	9.8	10.0	100.0%	0		1.98s	636	66	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	3.1	4.6	22.2%	2		1.57s	696	294	796
GLM 5.1	7.7	10.0	66.7%	0		1.45s	609	151	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		4.47s	8,391	330	1,065
GLM 5.1	10.0	10.0	100.0%	0		10.68s	6,789	300	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		19.98s	136	10	6,488
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

Perbandingan Cepat

Ganti Pasangan Perbandingan