AI BENCHY Compare

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

Ringkasan

KAT-Coder-Air V2.5 (medium) unggul dalam skor rata-rata dengan 6.2 vs 5.6. KAT-Coder-Air V2.5 (medium) memiliki biaya benchmark lebih rendah di $0.045 vs $0.057. GLM 5.1 lebih cepat di 4.10s vs 8.28s, dengan tingkat keberhasilan 47.6% vs 41.3%.

Model yang direkomendasikanKAT-Coder-Air V2.5 (medium)It has the strongest score in this comparison (6.2) 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 medium 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 medium Rilis: 2026-07-14	GLM 5.1 GLM 5.1 none Rilis: 2026-04-07
Skor	6.2	5.6
Peringkat	#115	#141
Keandalan	9.7	10.0
Konsistensi	8.8	8.5
Tes benar
Tingkat lulus per percobaan	47.6%	41.3%
Tes tidak stabil	3	4
Total Run	63	63
Biaya per hasil	0.562	0.843
Total Biaya	$0.045	$0.057
Harga input	$0.150 / 1M	$0.966 / 1M
Harga output	$0.600 / 1M	$3.036 / 1M
Total token input	42,750	47,133
Token output	7,759	3,754
Token penalaran	56,357	0
Waktu respons (rata-rata)	8.28s	4.10s
Waktu respons (maks)	48.19s	32.57s
Waktu respons (total)	173.80s	86.18s

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

#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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
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		27.68s	15,132	372	4,816
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		3.65s	7,776	268	1,881
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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
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		9.81s	516	189	557
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	10.0	10.0	100.0%	0		1.50s	699	93	730
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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
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		4.77s	8,391	317	906
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		15.74s	204	20	7,662
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

Perbandingan Cepat

Ganti Pasangan Perbandingan