AI BENCHY Compare

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

概要

GPT-5.6 Sol が平均スコアでリードし、6.3 vs 6.2 です。 KAT-Coder-Air V2.5 (high) の benchmark コストが低く、$0.064 vs $0.225 です。 GPT-5.6 Sol の方が高速で、1.66s vs 11.02s です、成功率は 46.0% vs 57.1% です。

おすすめモデルGPT-5.6 Solここでは最高スコア（6.3）で、KAT-Coder-Air V2.5 (high) より約 6.6 倍速く応答します。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-14

指標	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high リリース: 2026-07-14	GPT-5.6 Sol GPT-5.6 Sol none リリース: 2026-07-09

指標	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high リリース: 2026-07-14	GPT-5.6 Sol GPT-5.6 Sol none リリース: 2026-07-09
スコア	6.2	6.3
順位	#110	#106
信頼性	9.7	10.0
一貫性	7.6	9.0
正解テスト
試行ごとの合格率	46.0%	57.1%
不安定なテスト	6	3
総実行回数	63	63
結果あたりのコスト	0.910	2.244
合計コスト	$0.064	$0.225
入力価格	$0.150 / 1M	$5.000 / 1M
出力価格	$0.600 / 1M	$30.000 / 1M
合計入力トークン	41,748	34,218
出力トークン	3,894	1,776
推論トークン	91,773	0
応答時間（平均）	11.02s	1.66s
応答時間（最大）	104.98s	3.93s
応答時間（合計）	231.37s	34.81s

生成ショーケース

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

無効なSVG

コスト: $0.000
時間: 300.0s
トークン: 0 tok

#106 GPT-5.6 Sol

none

コスト: $0.116
時間: 78.7s
トークン: 3,944 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
GPT-5.6 Sol	8.3	10.0	75.0%	0		1.27s	606	154	0

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
GPT-5.6 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	0

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
GPT-5.6 Sol	3.0	10.0	0.0%	0		3.93s	11,019	300	0

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.53s	7,140	222	0

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
GPT-5.6 Sol	3.6	7.2	22.2%	1		1.43s	723	54	0

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
GPT-5.6 Sol	6.5	3.4	66.7%	1		1.52s	477	91	0

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
GPT-5.6 Sol	8.5	6.8	83.3%	1		1.33s	660	84	0

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
GPT-5.6 Sol	7.7	10.0	66.7%	0		1.49s	642	211	0

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
GPT-5.6 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	0

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
GPT-5.6 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

クイック比較

比較ペアを切り替え