नेव्हिगेशन
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.8 vs Kwaipilot: KAT-Coder-Pro V2.5

average score जवळपास समान आहे: 7.3 vs 7.2. KAT-Coder-Pro V2.5 (high) चा benchmark खर्च कमी आहे: $0.482 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 20.83s, pass rates 63.6% vs 63.6%.

शिफारस केलेले मॉडेलClaude Opus 4.8It has the best score here (7.3), while responding about 4.2x faster than KAT-Coder-Pro V2.5 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high प्रकाशन: 2026-07-14
स्कोअर 7.3 7.2
क्रमांक #63 #66
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 7.8
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 63.6%
अस्थिर चाचण्या 2 6
एकूण रन 66 66
प्रति निकाल खर्च 8.969 4.378
एकूण खर्च $1.166 $0.482
इनपुट किंमत $5.000 / 1M $0.740 / 1M
आउटपुट किंमत $25.000 / 1M $2.960 / 1M
एकूण इनपुट टोकन्स 149,206 106,076
आउटपुट टोकन्स 16,797 9,071
रिझनिंग टोकन्स 0 127,093
प्रतिसाद वेळ (सरासरी) 4.91s 20.83s
प्रतिसाद वेळ (कमाल) 35.03s 199.97s
प्रतिसाद वेळ (एकूण) 108.03s 458.31s

Hamster playing table tennis

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

#63 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#66 KAT-Coder-Pro V2.5

high
खर्च
$0.009
वेळ
26.4s
टोकन्स
3,117 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
KAT-Coder-Pro V2.5 6.4 7.9 44.4% 1 22.00s 7,893 422 20,461

झटपट तुलना

तुलना जोडी बदला