AI BENCHY Compare

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

Ringkasan

KAT-Coder-Air V2.5 (medium) unggul dalam skor rata-rata dengan 6.2 vs 6.0. KAT-Coder-Air V2.5 (medium) memiliki biaya benchmark lebih rendah di $0.045 vs $0.130. GPT-5.6 Terra lebih cepat di 1.25s vs 8.28s, dengan tingkat keberhasilan 47.6% vs 42.9%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (medium)It has the best score here (6.2), while costing about 2.9x less than GPT-5.6 Terra.

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 Terra GPT-5.6 Terra none Rilis: 2026-07-09

Metrik	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Rilis: 2026-07-14	GPT-5.6 Terra GPT-5.6 Terra none Rilis: 2026-07-09
Skor	6.2	6.0
Peringkat	#115	#123
Keandalan	9.7	10.0
Konsistensi	8.8	9.3
Tes benar
Tingkat lulus per percobaan	47.6%	42.9%
Tes tidak stabil	3	2
Total Run	63	63
Biaya per hasil	0.562	1.623
Total Biaya	$0.045	$0.130
Harga input	$0.150 / 1M	$2.500 / 1M
Harga output	$0.600 / 1M	$15.000 / 1M
Total token input	42,750	39,552
Token output	7,759	2,060
Token penalaran	56,357	0
Waktu respons (rata-rata)	8.28s	1.25s
Waktu respons (maks)	48.19s	3.97s
Waktu respons (total)	173.80s	26.21s

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

#123 GPT-5.6 Terra

none

Biaya: $0.030
Waktu: 14.7s
Token: 2,082 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
GPT-5.6 Terra	4.8	10.0	25.0%	0		942ms	606	191	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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
GPT-5.6 Terra	5.5	10.0	33.3%	0		1.00s	7,302	336	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		27.68s	15,132	372	4,816
GPT-5.6 Terra	3.0	10.0	0.0%	0		3.97s	14,961	437	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		3.65s	7,776	268	1,881
GPT-5.6 Terra	10.0	10.0	100.0%	0		1.13s	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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
GPT-5.6 Terra	5.3	7.2	44.4%	1		757ms	723	68	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		9.81s	516	189	557
GPT-5.6 Terra	5.0	10.0	0.0%	0		1.03s	477	102	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	10.0	10.0	100.0%	0		1.50s	699	93	730
GPT-5.6 Terra	8.5	6.8	83.3%	1		1.15s	660	101	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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
GPT-5.6 Terra	5.3	10.0	33.3%	0		1.23s	642	235	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	317	906
GPT-5.6 Terra	9.6	10.0	100.0%	0		3.10s	6,846	344	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		15.74s	204	20	7,662
GPT-5.6 Terra	3.0	10.0	0.0%	0		787ms	195	24	0

Perbandingan Cepat

Ganti Pasangan Perbandingan