Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

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

Ringkasan

Skor rata-rata hampir imbang di 6.2 vs 6.2. KAT-Coder-Air V2.5 (medium) memiliki biaya benchmark lebih rendah di $0.045 vs $0.141. GPT-5.6 Luna (low) lebih cepat di 4.35s vs 8.28s, dengan tingkat keberhasilan 47.6% vs 57.1%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (medium)It has the best score here (6.2), while costing about 3.1x less than GPT-5.6 Luna (low).

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

Metrik KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Rilis: 2026-07-14 GPT-5.6 Luna GPT-5.6 Luna low Rilis: 2026-07-09
Skor 6.2 6.2
Peringkat #115 #113
Keandalan 9.7 10.0
Konsistensi 8.8 8.5
Tes benar
Tingkat lulus per percobaan 47.6% 57.1%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 0.562 1.404
Total Biaya $0.045 $0.141
Harga input $0.150 / 1M $1.000 / 1M
Harga output $0.600 / 1M $6.000 / 1M
Total token input 42,750 34,218
Token output 7,759 2,110
Token penalaran 56,357 15,571
Waktu respons (rata-rata) 8.28s 4.35s
Waktu respons (maks) 48.19s 18.06s
Waktu respons (total) 173.80s 91.45s

Showcase generasi

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium
Biaya
$0.003
Waktu
23.7s
Token
4,924 tok

#113 GPT-5.6 Luna

low
Biaya
$0.011
Waktu
10.2s
Token
1,897 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 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973
GPT-5.6 Luna 5.5 10.0 33.3% 0 4.61s 7,302 557 3,535

Perbandingan Cepat

Ganti Pasangan Perbandingan